从 String 中删除除 controlchars 之外的不可打印的 utf8 字符答案

【问题标题】：Remove non printable utf8 characters except controlchars from String从 String 中删除除 controlchars 之外的不可打印的 utf8 字符
【发布时间】：2013-03-09 09:14:02
【问题描述】：

我有一个包含文本、控制字符、数字、变音符号（德语）和其他 utf8 字符的字符串。

我想去掉所有不是“语言的一部分”的 utf8 字符。特殊字符（非完整列表）“:/\ßä,;\n \t”应全部保留。

遗憾的是，stackoverflow 删除了所有这些字符，所以我必须附加一张图片 (link)。

有什么想法吗？非常感谢您的帮助！

PS：如果有人知道不会杀死那些特殊字符的粘贴服务，我会很乐意上传字符串..我只是找不到..

[编辑]：我认为正则表达式“\P{Cc}”都是我想要保留的字符。可以反转这个正则表达式，以便返回所有不匹配这个正则表达式的字符吗？

【问题讨论】：

不确定，但 \P{something} 的反转版本可能是 \p{something}。如果没有，您可以尝试使用 [^\P{something}]。
@Pshemo 是的，死小写似乎可以正常工作，如下所示。谢谢！
Fastest way to strip all non-printable characters from a Java String的可能重复

标签： java regex non-printing-characters

【解决方案1】：

您已经找到了 Unicode 字符属性。

您可以通过更改前导“p”的大小写来反转字符属性

例如

\p{L} 匹配所有字母

\P{L} 匹配所有没有属性字母的字符。

因此，如果您认为 \P{Cc} 是您所需要的，那么 \p{Cc} 将匹配相反的情况。

更多详情请关注regular-expressions.info

我很确定 \p{Cc} 接近您想要的，但要小心，它确实包括，例如制表符 (0x09)、换行符 (0x0A) 和回车符 (0x0D)。

但您可以创建自己的角色类，如下所示：

[^\P{Cc}\t\r\n]

此类[^...] 是一个否定字符类，因此它将匹配所有不是“非控制字符”（双重否定，因此它匹配控制字符），而不是制表符、CR 和 LF。

【讨论】：

非常好！谢谢我不知道..我想我真的需要阅读更多的正则表达式教程......
@friesoft 换行正则表达式是\r|\n|\r\n，所以\p{Cc}|\r|\n|\r\n应该适合你的需要。

【解决方案2】：

你可以使用，

your_string.replaceAll("\\p{C}", "");

【讨论】：

不，删除太多，但@stema 的答案已经有效:)