[英]Remove non printable utf8 characters except controlchars from String
我有一個包含文本,控制字符,數字,變音符號(德語)和其他utf8字符的字符串。
我想刪除所有不是“語言的一部分”的utf8字符。 特殊字符如(非完整列表)“:/ \\ßä,; \\ n \\ t”都應保留。
遺憾的是,stackoverflow刪除了所有這些字符,因此我必須附加圖片( 鏈接 )。
有任何想法嗎? 非常感謝幫助!
PS:如果有人知道一個不會殺死那些特殊字符的粘貼服務,我會很樂意上傳字符串..我只是找不到一個...
[編輯]:我認為正則表達式“\\ P {Cc}”是我想要保留的所有字符。 這個正則表達式是否可以反轉,以便返回與此正則表達式不匹配的所有字符?
您已經找到了Unicode字符屬性。
您可以通過更改前導“p”的大小寫來反轉字符屬性
例如
\\p{L}
匹配所有字母
\\P{L}
匹配所有沒有屬性字母的字符。
因此,如果您認為\\P{Cc}
是您所需要的,那么\\p{Cc}
將與之相反。
有關regular-expressions.info的更多詳細信息
我很確定\\p{Cc}
接近你想要的,但要小心,它確實包括,例如標簽(0x09),換行符(0x0A)和回車符(0x0D)。
但是你可以創建自己的角色類,如下所示:
[^\P{Cc}\t\r\n]
這個類[^...]
是一個否定的字符類,所以這將匹配所有不是“非控制字符”(雙重否定,因此它匹配控制字符),而不是tab,CR和LF。
您可以使用,
your_string.replaceAll("\\p{C}", "");
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.