刪除不可打印的字符

Question

好吧，所以我一直在這上面砸頭。

我正在導入由Indesign導出的XML文件。 這將對其進行解析，並根據輸入內容創建一個文件。 （我正在用Node構建一個JS應用程序）

該文件在我的PHPStorm IDE中看起來不錯。 但是，當我在gedit中打開它時，我到處都看到一些不需要的換行符。

我設法找到了這個字符： -> <- （確實存在-將其復制到某個位置，然后使用箭頭鍵將其移動到光標處。光標停留在中間）。

十六進制編輯器查看的該字符顯示為0x80 0xE2 0xA9

當我嘗試使用簡單的javascript替換替換它時；

data = data.replace(' ', ''); //There IS a character in the left one. Trust me.

我收到以下解析錯誤；

在vim中，該位置顯示以下字符； ~@

如何將其從輸出中刪除？ 在JS代碼中轉義該字符會導致它可以正常編譯，但是奇怪的字符仍然存在。 我沒主意了。

Answer 1

您需要使用“ \\ u2029”作為搜索字符串。 您要替換的序列是InDesign插入的“段落分隔符” Unicode字符。

所以：

string.replace('\u2029', '');

而不是角色本身。

Answer 2

String.replace（）不能完全按照您的想法工作。 您使用它的方式只會代替第一次出現：

> "abc abc abc".replace("a", "x");
'xbc abc abc'

您需要添加g （全局）標志，唯一的標准方法是使用正則表達式作為匹配項：

> "abc abc abc".replace(/a/g, "x");
'xbc xbc xbc'

您可以看一下Fastest方法來替換字符串中字符的所有實例，以獲取進一步的想法。

---

以UTF-8搜索0x80 0xE2 0xA9表示該字符不存在，但可能是0xE2 0x80 0xA9的錯誤鍵入 ，與Goran在他的答案中指出的“ PARAGRAPH SEPARATOR”（U + 2029）相對應。 只要您將所有工具集都正確配置為使用UTF-8，通常就不需要將奇異字符編碼為JavaScript \\ u ####引用，但是在這種情況下，JavaScript引擎會將其視為換行符，觸發語法錯誤，因為不允許在JavaScript字符串中使用換行符。