如何从Java字符串中删除控制字符？

Question

我从UI获取了一个字符串，其中可能包含控制字符，我想要移除所有控制字符，但保留回车、换行和制表符。

目前我找到两种方法可以移除所有控制字符：

1- 使用guava:

return CharMatcher.JAVA_ISO_CONTROL.removeFrom(string);

2- 使用正则表达式：

return string.replaceAll("\\p{Cntrl}", "");

- Mahmoud Saleh

---

所以你已经有了两种做法...你具体在问什么？ - Jon Skeet

这就引出了一个问题，什么样的用户界面允许输入控制字符？也许你应该从源头上解决这个问题。 - Mr Lister

@Jon Skeet，以上两种方法都会将它们全部删除，我想删除除回车符、换行符和制表符以外的所有控制字符。 - Mahmoud Saleh

@MahmoudSaleh：啊，我现在明白了。 - Jon Skeet

你尝试过像这样的东西吗？return string.replaceAll("[\p{Cntrl}^\r\n\t]+", "");？ - Andremoniy

请注意，CharMatcher.JAVA_ISO_CONTROL在Guava的后续版本中已被弃用。您可以使用CharMatcher.javaIsoControl()代替。 - Lorcan O'Neill

Answer 1

如果您想删除其他或控制Unicode类别中的所有字符，可以像这样做。

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

注意：这实际上是从字符串中移除（其中包括）Unicode字符'\u008f'，而不是转义形式的"%8F"字符串。

参考来源：polygenelubricants（替换Unicode控制字符）

- Nidhish Krishnan

---

这段代码并不能实现作者想要的功能，他还想保留换行、回车和制表符。上述代码会将它们全部删除。 - Krzysztof Krasoń

非常感谢！我花了一整天的时间在我的代码中寻找这个错误。Java中的Soap http请求返回http状态400，但是类似于soap-ui的测试环境或curl却可以正常工作，使用“相同”的请求xml。最后我发现了那些“看不见”的字符。 :) - csonuryilmaz

请至少用你自己的话来回答。 - ethanbustad

Answer 2

一种选择是使用CharMatcher的组合：

CharMatcher charsToPreserve = CharMatcher.anyOf("\r\n\t");
CharMatcher allButPreserved = charsToPreserve.negate();
CharMatcher controlCharactersToRemove = CharMatcher.JAVA_ISO_CONTROL.and(allButPreserved);

然后像以前一样使用removeFrom。我不知道它的效率如何，但至少很简单。

---

正如编辑中所指出的，Guava现在已经弃用了JAVA_ISO_CONTROL；更推荐使用javaIsoControl()方法。

- Jon Skeet

---

CharMatcher.javaIsoControl() 现在已经被弃用，应使用 JAVA_ISO_CONTROL。 - Zon

Answer 3

这似乎是一个选项

    String s = "\u0001\t\r\n".replaceAll("[\\p{Cntrl}&&[^\r\n\t]]", "");
    for (char c : s.toCharArray()) {
        System.out.print((int) c + " ");
    }

打印出9 13 10，就像你所说的“除了回车、换行和制表符”。

- Evgeniy Dorofeev

Answer 4

使用这些

public static String removeNoneAscii(String str){
    return str.replaceAll("[^\\x00-\\x7F]", "");
}

public static String removeNonePrintable(String str){ // All Control Char
    return str.replaceAll("[\\p{C}]", "");
}

public static String removeOthersControlChar(String str){ // Some Control Char
    return str.replaceAll("[\\p{Cntrl}\\p{Cc}\\p{Cf}\\p{Co}\\p{Cn}]", "");
}

public static String removeAllControlChars(String str)
{
    return removeNonPrintable(str).replaceAll("[\\r\\n\\t]", "");
}

- Ali Bagheri

Answer 5

在Java正则表达式中，可以在字符类中排除一些字符。以下是一个示例程序，演示了类似的内容：

class test {
    public static void main (String argv[]) {
            String testStr="abcdefABCDEF";
            System.out.println(testStr);
            System.out.println(testStr.replaceAll("[\\p{Lower}&&[^cd]]",""));
    }
}

它将生成以下输出：

abcdefABCDEF
cdABCDEF

- Raymond Tau

Answer 6

我正在使用Selenium测试网页界面。我使用Hamcrest断言和匹配器根据不同条件在页面源代码中搜索不同的字符串。

String pageSource = browser.getPageSource();
assertThat("Text not found!", pageSource, containsString(text));

使用IE或Firefox驱动程序可正常工作，但使用HtmlUnitDriver时会出现问题。HtmlUnitDriver将页面源代码格式化为制表符、换行符和其他控制字符。我使用了对Nidhish Krishnan的聪明答案进行改编。如果我直接使用Nidish的解决方案，则会留下额外的空格，因此我添加了一个名为filterTextForComparison的私有方法来过滤文本以进行比较。

String pageSource = filterTextForComparison(browser.getPageSource());
assertThat("Text not found!", pageSource, 
        containsString(filterTextForComparison(text)));

并且函数：

/**
 * Filter out any characters embedded in the text that will interfere with
 * comparing Strings.
 * 
 * @param text
 *            the text to filter.
 * @return the text with any extraneous character removed.
 */
private String filterTextForComparison(String text) {

    String filteredText = text;

    if (filteredText != null) {
        filteredText = filteredText.replaceAll("\\p{Cc}", " ").replaceAll("\\s{2,}", " ");
    }

    return filteredText;
}

首先，该方法将控制字符替换为一个空格，然后将多个空格替换为单个空格。我尝试使用"\p{Cc}+?"一次完成所有操作，但它未捕获"\t "变成" "的情况。

- Steve Gelman

---

filteredText.replaceAll("\p{Cc}", " ").replaceAll("\s{2,}", " ") - 对我来说完美地运作了，谢谢！ - Anandkumar

Answer 7

使用Apache Commons Lang中的StringUtils.deleteWhiteSpace(text)函数。

- Martin Schröder

Answer 8

你可以使用Spring中的StringUtils：

String str = "\n\t\t\tsome text\t\t\n";
StringUtils.trimAllWhitespace(str); // some text

- ivvasch

---

该问题要求删除控制字符，但排除空格控制字符；这个解决方案仅删除空格控制字符。此外，该解决方案还会删除空格字符，而空格字符通常不被视为控制字符。 - user9712582