Java-正則表達式替換字符串中的八進制值

Question

我有一組八進制值說（0177-0377）。 每當我在字符串中找到這些值時，都必須替換為？。

    String a= "sccce¼»¼½¾¿ÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏÐÑÒÓÔÕerferferfer";
    for (int i = 0177; i<= 0377 ; i++)
    {
        char x= (char) i;
        a= a.replaceAll(Character.toString(x), "?");
    }
    System.out.print(a);

但這在我們的文件較小時看起來不錯，但是我必須在1TB文件中執行此操作。

我們如何使用正則表達式來完成此任務。

Answer 1

您可以使用此正則表達式[^\\p{ASCII}]替換所有非ASCII字符：

a.replaceAll("[^\\p{ASCII}]", "?")

輸出：

sccce????????????????????????????erferferfer

---

您必須找到十六進制八進制字符的表示形式，從鏈接 0177表示為\\x7F ， 0377表示為FF

對於您的情況，您可以使用：

a.replaceAll("[\\x7F-\\xFF]", "?")

Ideone演示

Answer 2

您不想一次性對整個文件執行此操作-您需要一種流式處理方法。 我會做這樣的事情：

// TODO: Rename to something more appropriate
public static void replaceInvalidCharacters(Reader reader, Writer writer) {
    char[] buffer = new char[16384]; // Adjust if you want
    int charsRead;
    while ((charsRead = reader.read(buffer)) > 0) {
        for (int i = 0; i < charsRead; i++) {
            if (buffer[i] >= 0177 && buffer[i] <= 0377) {
                buffer[i] = '?';
            }
        }
        writer.write(buffer);
    }
}

因此，您需要為當前文件打開一個讀取器（具有適當的編碼），為輸出文件打開一個寫入器（具有適當的編碼），然后調用上述方法。 它將一次讀取一個數據塊，替換該數據塊中的所有“不良”字符，然后將其寫出到寫入器中。

無需正則表達式。

請注意，盡管有很多非ASCII字符超出該范圍-如果您確實要刪除所有非ASCII字符，則基本上需要

if (buffer[i] > 126) // Or 127; what do you want to do with U+007F?