从String中删除除控制符之外的不可打印的utf8字符

Question

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。

我想删除所有不是“语言的一部分”的utf8字符。 特殊字符如（非完整列表）“：/ \\ßä，; \\ n \\ t”都应保留。

遗憾的是，stackoverflow删除了所有这些字符，因此我必须附加图片（ 链接 ）。

有任何想法吗？ 非常感谢帮助！

PS：如果有人知道一个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..我只是找不到一个...

[编辑]：我认为正则表达式“\\ P {Cc}”是我想要保留的所有字符。 这个正则表达式是否可以反转，以便返回与此正则表达式不匹配的所有字符？

Answer 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}将与之相反。

有关regular-expressions.info的更多详细信息

我很确定\\p{Cc}接近你想要的，但要小心，它确实包括，例如标签（0x09），换行符（0x0A）和回车符（0x0D）。

但是你可以创建自己的角色类，如下所示：

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

这个类[^...]是一个否定的字符类，所以这将匹配所有不是“非控制字符”（双重否定，因此它匹配控制字符），而不是tab，CR和LF。

Answer 2

您可以使用，

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