首頁猿問如何在Java中替換不可打印的Un...

如何在Java中替換不可打印的Unicode字符？

Java

湖上湖 2019-08-17 16:02:04

如何在Java中替換不可打印的Unicode字符？以下將替換ASCII控制字符（簡寫為[\x00-\x1F\x7F]）：my_string.replaceAll("\\p{Cntrl}", "?");以下內(nèi)容將替換所有ASCII不可打印字符（簡寫[\p{Graph}\x20]），包括重音字符：my_string.replaceAll("[^\\p{Print}]", "?");但是，它們都不適用于Unicode字符串。有沒有人有一個(gè)很好的方法從unicode字符串中刪除不可打印的字符？

查看完整描述

3 回答

小怪獸愛吃肉

TA貢獻(xiàn)1852條經(jīng)驗(yàn) 獲得超1個(gè)贊

my_string.replaceAll("\\p{C}", "?");

查看有關(guān)Unicode正則表達(dá)式的更多信息。java.util.regexPattern/ String.replaceAll支持他們。

反對(duì) 回復(fù) 2019-08-17

蝴蝶刀刀

TA貢獻(xiàn)1801條經(jīng)驗(yàn) 獲得超8個(gè)贊

Op De Cirkel大部分都是對(duì)的。他的建議在大多數(shù)情況下都有效：

myString.replaceAll("\\p{C}", "?");

但如果myString可能包含非BMP代碼點(diǎn)，則會(huì)更復(fù)雜。 \p{C}包含的代理代碼點(diǎn)\p{Cs}。上述替換方法有時(shí)會(huì)替換代理對(duì)的一半，從而破壞非BMP代碼點(diǎn)。這可能是Java錯(cuò)誤而不是預(yù)期的行為。

使用其他組成類別是一個(gè)選項(xiàng)：

myString.replaceAll("[\\p{Cc}\\p{Cf}\\p{Co}\\p{Cn}]", "?");

但是，不會(huì)刪除不屬于一對(duì)的單獨(dú)代理字符（每個(gè)代理字符都有一個(gè)指定的代碼點(diǎn)）。非正則表達(dá)式方法是我知道正確處理的唯一方法\p{C}：

StringBuilder newString = new StringBuilder(myString.length());for (int offset = 0; offset < myString.length();){
    int codePoint = myString.codePointAt(offset);
    offset += Character.charCount(codePoint);

    // Replace invisible control characters and unused code points
    switch (Character.getType(codePoint))
    {
        case Character.CONTROL:     // \p{Cc}
        case Character.FORMAT:      // \p{Cf}
        case Character.PRIVATE_USE: // \p{Co}
        case Character.SURROGATE:   // \p{Cs}
        case Character.UNASSIGNED:  // \p{Cn}
            newString.append('?');
            break;
        default:
            newString.append(Character.toChars(codePoint));
            break;
    }}

反對(duì) 回復(fù) 2019-08-17