如何从字符串中删除所有没有可打印的字符+表情符号？

Question

我想从我的字符串中删除所有不可打印的字符+所有表情符号。

我尝试了一下，但是对于Emoji来说无法正常工作：

public static String removeAllNoAsciiChars(String str) {
        if (!TextUtils.isEmpty(str)) {
            str = str.replaceAll("\\p{C}", "");
        }
        return str;
    }

例子：

“ L'alphabet estgénial😀！”

预期的最终结果是：“ L'alphabet estgénial！”

“Çaestce ducœur❤️:)！”

预期的最终结果是：“Çaestestcour” ：）！

Answer 1

\\\\p{C}正则表达式负责所有不可打印的字符。 请注意，这包括选项卡和换行符。

至于表情符号字符，则有点复杂。 您可以用Unicode匹配较新的Emoji字符，即Unicode块“ Emoticons” （U + 1F600到U + 1F64F），但这并不是所有的Emoji字符，例如❤'HEAVY BLACK HEART' （U + 2764）不是在那个范围内。

如果查看那些Emoji字符，例如😀'GRINNING FACE' （U + 1F600），您会看到它属于Unicode类别“ Symbol，Other [So] ”，它由5855个字符组成。 如果您可以删除所有这些内容，那肯定是最简单的解决方案。

您的文本包含红色的心（❤️），而不是黑色的心（❤），在Unicode中，通过在黑色的心之后添加变体选择器来完成，例如，在这种情况下为'VARIATION SELECTOR-16' （U + FE0F） 。 有256个变体选择器，它们都在Mark，Nonspacing [Mn]类别中，但是您可能不想删除所有的1763个变体选择器，因此需要删除2个范围的变体选择器，即U + FE00到U + FE0F（选择器1-16）和U + E0100至U + E01EF（选择器17-256）。

之后，您可能会或可能不想将连续的空格减少到一个空格。

str = str.replaceAll("[\\p{C}\\p{So}\uFE00-\uFE0F\\x{E0100}-\\x{E01EF}]+", "")
         .replaceAll(" {2,}", " ");