替换Unicode控制字符

Question

替换Unicode控制字符

javaregexgoogle-mapsunicodecharacter-properties

8

我需要在Java中替换字符串中的所有特殊控制字符。

我想要向Google Maps API v3提问，但是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 此URL包含此字符：http://www.fileformat.info/info/unicode/char/008f/index.htm 因此，当我收到一些数据并需要将其进行地理编码时，我知道某些字符无法通过地理编码，但我不知道确切的列表。

我无法找到有关此问题的任何文档，因此我认为Google不喜欢的字符列表如下：http://www.fileformat.info/info/unicode/category/Cc/list.htm 是否有任何已构建的函数可以摆脱这些字符，还是我必须构建一个新函数，逐个进行替换？

还是有一个好的正则表达式可以完成这项工作吗？

有人知道Google不喜欢哪个确切的字符列表吗？

编辑：Google已经为此创建了一个网页：https://developers.google.com/maps/documentation/webservices/?hl=fr#BuildingURLs

- Cyril Gandon

你能否手动删除URL中的%C2%8F部分，以查看该URL是否有效？ - Paul Jowett

我可以手动替换所有无效字符。问题是我不知道全部的列表（也不想一个一个测试），而且我也不想为每个无效字符都执行 replaceAll。 - Cyril Gandon

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- polygenelubricants · Accepted Answer

如果您想删除其他/控制Unicode类别中的所有字符，可以像这样操作：

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

注意，这实际上会从字符串中删除（包括其他字符）Unicode字符'\u008f'，而不是转义形式"%8F"的字符串。

如果黑名单不能很好地被一个Unicode块/类别捕获，Java确实有一个强大的字符类算术，具有交集、减法等功能，您可以使用。或者，你也可以采用否定的白名单方法，即不明确指定哪些字符是非法的，而是指定哪些是合法的，那么其他所有内容都将变得非法。

API链接

- java.util.regex.Pattern - regular-expressions.info/Character Class

示例

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__!!

[…] 是一个 字符类。例如 [aeiou] 匹配任何一个小写元音字母。 [^…] 是一个 否定的 字符类。 [^aeiou] 匹配任何一个除了小写元音字母以外的字符。

[a-z&&[^aeiou]] 匹配 [a-z] 减去 [aeiou]，也就是所有小写辅音字母。

下一个例子展示了否定白名单的方法：

    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，其他所有字符都是非法的。