我得到的用户输入包括非 ASCII 字符和不可打印的字符,例如
\xc2d
\xa0
\xe7
\xc3\ufffdd
\xc3\ufffdd
\xc2\xa0
\xc3\xa7
\xa0\xa0
例如:
email : abc@gmail.com\xa0\xa0
street : 123 Main St.\xc2\xa0
期望的输出:
email : abc@gmail.com
street : 123 Main St.
使用 Java 删除它们的最佳方法是什么?
我尝试了以下方法,但似乎不起作用
public static void main(String args[]) throws UnsupportedEncodingException {
String s = "abc@gmail\\xe9.com";
String email = "abc@gmail.com\\xa0\\xa0";
System.out.println(s.replaceAll("\\P{Print}", ""));
System.out.println(email.replaceAll("\\P{Print}", ""));
}
输出
abc@gmail\xe9.com
abc@gmail.com\xa0\xa0
最佳答案
您的要求不明确。 Java String
中的所有字符都是 Unicode 字符,因此如果删除它们,您将得到一个空字符串。我假设您的意思是要删除任何非 ASCII、不可打印的字符。
String clean = str.replaceAll("\\P{Print}", "");
在这里,\p{Print}
represents a POSIX character class用于可打印的 ASCII 字符,而 \P{Print}
是该类的补充。使用此表达式,所有不可 可打印的 ASCII 字符都将替换为空字符串。 (额外的反斜杠是因为 \
在字符串文字中开始转义序列。)
显然,所有输入字符实际上都是 ASCII 字符,表示不可打印或非 ASCII 字符的可打印编码。 Mongo 应该不会对这些字符串有任何问题,因为它们只包含普通的可打印 ASCII 字符。
这对我来说听起来有点可疑。我认为正在发生的事情是数据确实包含不可打印和非 ASCII 字符,而另一个组件(如日志记录框架)正在用可打印的表示形式替换这些字符。在您的简单测试中,您未能将可打印表示转换回原始字符串,因此您错误地认为第一个正则表达式不起作用。
那是我的猜测,但如果我误解了情况,而你确实需要去除文字 \xHH
转义,你可以使用以下正则表达式来完成。
String clean = str.replaceAll("\\\\x\\p{XDigit}{2}", "");
Pattern
的 API 文档类很好地列出了 Java 的正则表达式库支持的所有语法。有关所有语法含义的更多详细信息,我找到了 Regular-Expressions.info site很有帮助。
关于java - 从字符串中删除非 ASCII 不可打印字符,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11020893/