从java中的字符串中删除垃圾字符

Question

我有这样的字符串：

测试家具-34_TEST& ;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;#38;amp;amp;#38;amp;#38; GT;

我的要求是从上述字符串中删除所有这些垃圾字符。 所以我的预期输出将是：

TEST FURNITURE-34_TEST

我试过下面的代码

public static String removeUnPrintableChars(String str) {
    if (str != null) {
        str = str.replaceAll("[^\\x00-\\x7F]", "");
        str = str.replaceAll("[\\p{Cntrl}&&[^\r\n\t]]", "");
        str = str.replaceAll("\\p{C}", "");
        str = str.replaceAll("\\P{Print}", "");
                    
        str = str.substring(0, Math.min(256, str.length()));
        str = str.trim();
        if (str.isEmpty()) {
            str = null;
        }
    }
    return str;
}

但它什么也不做。 除了查找每个字符并将其替换为空字符之外，有人可以帮我解决从字符串中替换这些字符的通用解决方案吗？

Answer 1

拆分字符串的简单方法：

public class Trim {
public static void main(String[] args) {
    String myString = "TEST FURNITURE-34_TEST&"
            + "amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;#38;amp;amp;"
            + "#38;amp;#38;gt;";
    String[] parts = myString.split("&");
    String part1 = parts[0];
    System.out.println(parts[0]);
}
}

链接到原始线程： 如何在 Java 中拆分字符串

Answer 2

您提供的示例字符串（在您的帖子和评论中）相当荒谬，在我看来，无论生成它们，都应该烧毁......两次。

在您的字符串上尝试以下方法。 通过将输入字符串添加到 2D可移动项目字符串数组，添加您喜欢从输入字符串中删除的任何内容。 这个二维数组包含String#replaceAll()方法的准备字符串。 每行的第一个元素包含要替换的特定字符串项的正则表达式(regex)，每行的第二个元素包含要替换找到的项的字符串项。

public static String cleanString(String inputString) {
    String[][] removableItems = {
                                 {"(&?amp;){1,}", " "}, 
                                 {"(#38);?", ""}, 
                                 {"gt;", ""}, {"lt;", ""}
                                };
    
    String desiredString = inputString;
    for (int i = 0; i < removableItems.length; i++) {
            desiredString = desiredString.replaceAll(removableItems[i][0], 
                                                     removableItems[i][1]).trim();
    }
    return desiredString;
}

Answer 3

您可以使用此方法。 这是标记单词边界的工作。

    public static String removeUnPrintableChars(String str) {
    if(str != null){
        str = str.replaceAll("(\\b&?\\w+;#?)", "");
    }

    return str;
}