从字符串中删除非ASCII不可打印字符

Question

我得到的用户输入包括非ASCII字符和不可打印的字符，例如

\xc2d
\xa0
\xe7
\xc3\ufffdd
\xc3\ufffdd
\xc2\xa0
\xc3\xa7
\xa0\xa0

例如：

email : [e-mail]\xa0\xa0
street : 123 Main St.\xc2\xa0

所需的输出：

  email : [e-mail]
  street : 123 Main St.

使用Java删除它们的最佳方法是什么？
我尝试了以下操作，但似乎不起作用

public static void main(String args[]) throws UnsupportedEncodingException {
        String s = "abc@gmail\\xe9.com";
        String email = "[e-mail]\\xa0\\xa0";

        System.out.println(s.replaceAll("\\P{Print}", ""));
        System.out.println(email.replaceAll("\\P{Print}", ""));
    }

输出量

abc@gmail\xe9.com
[e-mail]\xa0\xa0

Answer 1

您的要求不清楚。Java
String中的所有字符都是Unicode字符，因此，如果将其删除，将留下一个空字符串。我假设您的意思是您要删除任何非ASCII，不可打印的字符。

String clean = str.replaceAll("\\P{Print}", "");

此处，\p{Print}
代表可打印ASCII字符的POSIX字符类，同时\P{Print}是该类的补充。使用此表达式，将所有
不可 打印的ASCII字符替换为空字符串。（额外的反斜杠是因为\在字符串文字中启动了转义序列。）

显然，所有输入字符实际上都是ASCII字符，它们表示不可打印或非ASCII字符的可打印编码。Mongo不会对这些字符串造成任何麻烦，因为它们仅包含普通的可打印ASCII字符。

这一切对我来说似乎有点可疑。我相信正在发生的事情是，数据确实确实包含不可打印和非ASCII字符，并且另一个组件（如日志记录框架）正在用可打印表示形式替换这些字符。在简单的测试中，您无法将可打印的表示形式转换回原始字符串，因此您错误地认为第一个正则表达式不起作用。

那是我的猜测，但是如果我误解了这种情况，而您确实确实需要删除文字\xHH转义符，则可以使用以下正则表达式来实现。

String clean = str.replaceAll("\\\\x\\p{XDigit}{2}", "");

Pattern该类的API文档很好地列出了Java的正则表达式库支持的所有语法。要详细了解所有语法的含义，我发现Regular-
Expressions.info网站非常有帮助。