在进行文本分析的时候我们经常需要过滤掉停用词，标点等，本文给大家介绍一下如何识别并删除文本中的所有标点符号。下面是三个可行的正则表达式方案，童鞋们来试试吧^_^
(1) s.replaceAll( "\\p{Punct}","" );
(2) s.replaceAll("\\pP","");
(3) s.replaceAll("\\p{P}",""); @H_502_10@
(1)不能完全清楚所有标点，(2)和(3)等价都能完全清楚标点（中文和英文都能清除）
需要注意的是，还是存在一些系统不认为是标点的半角和全角符号无法清除，如下所示：
+~$`^=|<>～｀＄＾＋＝｜＜＞￥×@H_502_10@
(2) s.replaceAll( "[\\pP+~$`^=|<>～｀＄＾＋＝｜＜＞￥×]","");
(3) s.replaceAll( "[\\p{P}+~$`^=|<>～｀＄＾＋＝｜＜＞￥×]",""); @H_502_10@
上面的三个方案中给出的都是采用Unicode标点属性方式的正则表达式，可以去掉所有的标点符号，包括全角、半角、横排、竖排等的标点符号。
注意一下， JDK5或以下的环境中不支持全角单引号对、双引号替换。在JDK6中由于加入了Pi和Pf两个Unicode子属性，因此就能替换掉。
在JDK6以下的版本中可以这样：
s = s.replaceAll("[\\pP‘’“”]","");@H_502_10@
原文链接：/regex/362545.html
