替换Unicode控制字符

Question

我需要替换Java字符串中的所有特殊控制字符。

我想问一下Google Maps API v3，而Google似乎不喜欢这些字符。

例如：http
:
//www.google.com/maps/api/geocode/json?sensor=false&address=NEW%20YORK%C2%8F

该URL包含以下字符：http
:
//www.fileformat.info/info/unicode/char/008f/index.htm

因此，我收到了一些数据，并且需要对该数据进行地理编码。我知道某些字符不会通过地理编码，但是我不知道确切的列表。

我找不到有关此问题的任何文档，因此我认为Google不喜欢的字符列表是这样的：http
:
//www.fileformat.info/info/unicode/category/Cc/list.htm

是否有已经建立的函数来摆脱这些字符，还是我必须构建一个新的函数，并逐个替换？

还是有一个很好的正则表达式来完成这项工作？

有人知道Google不喜欢哪个确切的字符列表吗？

编辑：Google为此创建了一个网页：

https://developers.google.com/maps/documentation/webservices/?hl=fr#BuildingURLs

Answer 1

如果要删除“其他/控件Unicode”类别中的所有字符，可以执行以下操作：

    System.out.println(
        "a\u0000b\u0007c\u008fd".replaceAll("\\p{Cc}", "")
    ); // abcd

请注意，这实际上是'\u008f'从字符串中删除（以及其他）Unicode字符，而不是从转义的表单"%8F"字符串中删除。

如果黑名单不能很好地被一个Unicode块/类别捕获，则Java确实具有功能强大的字符类算术，可以使用相交，减法等。或者，您也可以使用否定白名单方法，即，您不必明确指定哪些字符是非法的，而是可以指定合法的，然后其他所有内容都将变为非法。

API链接

• java.util.regex.Pattern
• regular-expressions.info/Character类

例子

这是一个减法示例：

    System.out.println(
        "regular expressions: now you have two problems!!"
            .replaceAll("[a-z&&[^aeiou]]", "_")
    );
    //   _e_u_a_ e___e__io__: _o_ _ou _a_e __o __o__e__!!

该[…]是 字符类
。[aeiou]匹配任何小写元音之一的东西。[^…]是一个 否定的 字符类。[^aeiou]匹配小写元音以外的 任何 一种。

[a-z&&[^aeiou]]匹配项[a-z]减去[aeiou]，即所有小写辅音。

下一个示例显示了否定白名单方法：

    System.out.println(
        "regular expressions: now you have two problems!!"
            .replaceAll("[^a-z]", "_")
    );
    //   regular_expressions__now_you_have_two_problems__

只有小写字母a-z是合法的；其他一切都是非法的。