從String中刪除除控制符之外的不可打印的utf8字符

Question

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？

Answer 1

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。

Answer 2

您可以使用，

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