查找文件中的所有非 Unicode 字符 [重复]答案

【问题标题】：Find all non unicode characters in file [duplicate]查找文件中的所有非 Unicode 字符 [重复]
【发布时间】：2016-12-19 03:14:56
【问题描述】：

所以我有一个包含非 unicode 字符的文本文件。例如

"pr�s-*"
ESt Präs

我如何打印它们，但只有它们。我知道这个替换它的java方法

String resultString = currentLine.replaceAll("[^\\x00-\\x7F]", "");

我不想替换它们，我想找到它们并打印出来。

【问题讨论】：

您可以在您的正则表达式中使用Matcher#find。或使用 \P{ASCII} 正则表达式 - 请参阅 ideone.com/jezqeN
您能更好地解释一下非 Unicode 字符是什么意思吗？我认为 Java 中的所有字符都是 Unicode？span>
@OleV.V.确实。翻转，“非Unicode”是一个很奇怪的构造。尽管有一些“计算机存储的”字符还没有在 Unicode 字符集中，但 Unicode 的整个概念实际上是通用的。在任何情况下，Java 字符串数据类型中的字符都是 Unicode。也许您的意思是也属于其他特定字符集中的字符。在这种情况下，请说明该字符集是什么。或者，您的意思是 Unicode 中的字符和至少一个其他字符集？如果是这样，请列出所有正在考虑的字符集

标签： java string character-encoding

【解决方案1】：

您可以使用Matcher#find 使用[^\\x00-\\x7F] 正则表达式或\\P{ASCII} 来查找和打印所有这些非ASCII 字符：

String s = "pr�s-*";
Pattern pattern = Pattern.compile("\\P{ASCII}");
Matcher matcher = pattern.matcher(s);
while (matcher.find()){
    System.out.println(matcher.group(0)); 
}

见Java demo

见Java regex reference:

\p{ASCII} = 所有 ASCII：[\x00-\x7F]

而\P 表示反向类，所有字符都不是ASCII。

【讨论】：