从记事本++或java中的文件中删除非法字符

Question

我有一个巨大的文件，该文件包含很多非法字符，如下图所示，但这些还不是全部。它们有许多不同的种类，因此不可能全部搜索并替换它们。 有没有办法可以删除这些字符。我尝试了很多解决方案，比如转换为 ANSI 或一些正则表达式，但它们没有用。请帮忙。

编辑：即使有人可以告诉我如何在 java 中删除这些字符，那也很好。

Answer 1

如果您知道您期望的字符类型，那么实施白名单过滤器会更容易，而不是删除特定字符。

按照this answer, which explains how to remove emoticons你可以试试：

String characterFilter = "[^\\p{L}\\p{M}\\p{N}\\p{P}\\p{Z}\\p{Cf}\\p{Cs}\\s]";
String emotionless = aString.replaceAll(characterFilter, "");

要了解哪些\p{} 组可用，请查看Classes for Unicode scripts, blocks, categories and binary properties docs：

\p{IsLatin} 拉丁文字字符（script）

\p{InGreek} 希腊语块（block）中的一个字符

\p{Lu} 大写字母（类别）

\p{IsAlphabetic} 字母字符（二进制属性）

\p{Sc} 货币符号

\P{InGreek} 希腊语块中除一个以外的任何字符（否定）

[\p{L}&&[^\p{Lu}]] 除大写字母外的任何字母（减法）