替换java中字符串中的任何非ascii字符答案

【问题标题】：replace any non-ascii character in a string in java替换java中字符串中的任何非ascii字符
【发布时间】：2013-09-08 13:15:35
【问题描述】：

如何在 java 中将-lrb-300-rrb-┬á922-6590 转换为-lrb-300-rrb- 922-6590？

尝试了以下方法：

t.lemma = lemma.replaceAll("\\p{C}", " ");
t.lemma = lemma.replaceAll("[\u0000-\u001f]", " ");

我可能遗漏了一些概念性的东西。将感谢任何指向解决方案的指针。

谢谢

【问题讨论】：

“unicode”是什么意思？任何非ASCII？
我假设那些嵌入的特殊字符是 unicode...
你所说的“unicode”是什么意思？根据standard definition，该字符串中的所有字符都是unicode，而不仅仅是“┬á”。

标签： java regex unicode

【解决方案1】：

尝试下一个：

`str = str.replaceAll("[^\\p{ASCII}]", " ");`

顺便说一句，\p{ASCII} 都是 ASCII：[\x00-\x7F]。

另一方面，您需要使用Pattern 常量以避免每次都重新编译表达式。

private static final Pattern REGEX_PATTERN = 
        Pattern.compile("[^\\p{ASCII}]");

public static void main(String[] args) {
    String input = "-lrb-300-rrb-┬á922-6590";
    System.out.println(
        REGEX_PATTERN.matcher(input).replaceAll(" ")
    );  // prints "-lrb-300-rrb- 922-6590"
}

另见：

【讨论】：

为什么 [^\p{ASCII}]+ 是 [^\x20-\x7E]+ 的首选？
这是Java中已经包含的一个类别，你可以在docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html看到它们

【解决方案2】：

假设您只想保留a-zA-Z0-9 和标点符号，您可以这样做：

t.lemma = lemma.replaceAll("[^\\p{Punct}\\w]", " "));

【讨论】：

t.lemma = lemma.replaceAll("[^\\p{ASCII}]", ""); 怎么样？
在这种情况下也可以，但它包含更多字符。我不确定 OP 想要什么。