本文介绍如何在 Java 中利用 Pattern 和正则表达式高效地将字符串中连续的非字母字符序列统一替换为单个短横线，避免多个冗余符号，适用于清洗含乱码、标点或特殊符号的文本。

本文介绍如何在 java 中利用 `pattern` 和正则表达式高效地将字符串中**连续的非字母字符序列**统一替换为**单个短横线**，避免多个冗余符号，适用于清洗含乱码、标点或特殊符号的文本。

在处理脏数据（如含乱码、控制字符、标点或不可见 Unicode 字符的字符串）时，常需提取有效单词并标准化分隔符。例如原始字符串 [1]important?@~?@~?@~?@~?@~alsoimportant@~@~@~ 包含大量非字母字符，目标是仅保留 important 和 alsoimportant，并用一个短横线 - 连接，即得到 -important-alsoimportant-。

关键在于：不能简单替换每个非字母字符（如 [^a-zA-Z]），否则会生成与字符数等长的冗余短横线（如 ---------important---------------alsoimportant-------）。正确做法是匹配“一个或多个连续的非字母字符”，即使用正则量词 +：

final String input = "[1]important?@~?@~?@~?@~?@~alsoimportant@~@~@~";
final String clean = input.replaceAll("[^a-zA-Z]+", "-");
System.out.println(clean); // 输出：-important-alsoimportant-

该正则 [^a-zA-Z]+ 的含义是：

• [^a-zA-Z]：匹配任意非 ASCII 字母字符（包括数字、标点、空白、Unicode 符号等）；
• +：表示贪婪匹配一个或多个连续出现的此类字符，确保整段乱码被压缩为单次替换。

若需高频复用（如批量处理大量字符串），推荐预编译 Pattern 实例以提升性能：

final Pattern NON_ALPHABET = Pattern.compile("[^a-zA-Z]+");
final String clean = NON_ALPHABET.matcher(input).replaceAll("-");

⚠️ 注意事项：

• 该方案默认仅识别 ASCII 字母（a–z, A–Z）。如需支持 Unicode 字母（如中文、é、α 等），应改用 \P{L}+（\P{L} 表示“非 Unicode 字母”，更准确）；
• 若首尾不需要额外短横线（如希望 important-alsoimportant 而非 -important-alsoimportant-），可在后续调用 .stripLeading().stripTrailing()（Java 11+）或 .replaceAll("^-|-$", "") 去除两端；
• replaceAll() 是线程安全的，但 Pattern 实例建议作为 static final 常量复用，避免重复编译开销。

综上，通过 [^a-zA-Z]+ 配合 Pattern，即可简洁、高效、可维护地实现非字母序列的标准化压缩。