Java清理字符串值以删除不需要的字符答案

【问题标题】：Java cleaning up String values to remove unwanted charactersJava清理字符串值以删除不需要的字符
【发布时间】：2012-06-18 16:26:08
【问题描述】：

我有一个 XML 文件，其中包含具有不需要的字符的值，例如

\xc2d
d\xa0
\xe7
\xc3\ufffdd
\xc3\ufffdd
\xc2\xa0
\xc3\xa7
\xa0\xa0
'619d813\xa03697'
\xe9.com

输入示例可以是

name : John Hinners\xc2d
email: abc@gmail\xe9.com
and others ....

期望的输出应该是

name : John Hinners
email: abc@gmail.com
and others ....

我来自python背景，可以轻松完成这项任务

def remove_non_ascii(s):
    return ''.join(i for i in s if ord(i)<128)

在 Java 中是否有类似的方法来执行相同的任务？

【问题讨论】：

Java removing unicode characters 的可能重复项

标签： java

【解决方案1】：

在java中它不会那么漂亮。

您可以使用正则表达式，但如果您没有简单的字符定义，最好这样做：

        StringBuilder sb = new StringBuilder();
        for (int i=0; i<s.length(); i++) {
           if (((int)s.charAt(i))<128) sb.append(s.charAt(i));
        }

【讨论】：

请注意，您不必在 java 中的 char 和 int 之间进行转换；它们是可以互换的。
是的，这是真的。我总是觉得演员的意图更清楚，但它可能很愚蠢（或者因为我在改变语言时没有改变习惯）。

【解决方案2】：

正如我在这里所说的：

Similar Question

使用正则表达式

String clean = str.replaceAll("\\P{Print}", "");

删除所有不可打印的字符。但这也包括 \n（换行）、\t（制表符）和 \r（回车），如果您想保留这些字符，请使用：

String clean = str.replaceAll("[^\\n\\r\\t\\p{Print}]", "");

【讨论】：

【解决方案3】：

String s = "WantedCharactersunwantedCharacters";

如果我希望剩余的字符串是“WantedCharacters”，我只需写：

s = s.replaceAll("unwantedCharacters", "");

[编辑]：当然，你也可以写

private static String removeNonAscii(String s){
    StringBuffer sb = new StringBuffer();
    for(int i=0; i<s.length(); ++i){
        if(s.charAt(i) < 128){
            sb.append(s.charAt(i));
        }
    }
    return sb.toString();
}

如果这是一个令人满意的解决方案

【讨论】：

replaceAll 有很大的问题……它没有像预期的那样工作……“replaceAll("\\");"和类似的东西......