过滤所有非中文非英文字符 ：replaceAll("[^\\u4e00-\\u9fa5|A-Za-z]", " ")
过滤标点符号：replaceAll("[\\pP‘’“”]", " ")
判断获得的每个字符的unicode编码，汉字是有范围的，具体是\u4E00-\u9FA5 和 \uF900-\uFA2D 不在这个范围中的就不是汉字。 \u表示是16进制
