在Java中从字符串中删除非ASCII字符

Question

22

我有一个包含非ASCII字符的URI，例如:

如何从这个URI中删除"�"字符？

- M.M

2

可能出现的字符集与URI查询部分允许的字符集相比较大。删除所有非英文文本将排除许多语言。这是你想要的吗？还是你想对文本进行百分号编码？或者你想将文本转换为英文拼写？ - McDowell

5个回答

21

yourstring=yourstring.replaceAll("[^\\p{ASCII}]", "");

- daneshkohan

7

不不不，这不是ASCII码...[^\x20-\x7E]

这才是真正的ASCII码：[^\x00-\x7F]

否则它将修剪掉换行符和其他特殊字符，这些字符是ASCII表的一部分！

- Peter L

谢谢！我在想我的换行符去哪儿了！！ - Louie Bafford

6

为了将字符串中的非ASCII字符去除，以下代码适用于我。

String str="<UPC>616043287409ÂÂÂÂ</UPC>";

str = str.replaceAll("[^\\p{ASCII}]", "");

输出：

<UPC>616043287409</UPC>

- Yellesh Chaparthi

1

请尽量避免只是把代码作为答案，而是尝试解释它的作用和原因。对于没有相关编程经验的人来说，您的代码可能不太明显。 - Frits

4

String onlyAscii = CharMatcher.ascii().retainFrom(original)

- Juan Rada

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

- Cᴏʀʏ · Accepted Answer

我猜测URL的源头更可能有问题。也许你修复了错误的问题？从URI中删除“奇怪”的字符可能会赋予它完全不同的意义。

话虽如此，你可以尝试使用简单的字符串替换来删除所有非ASCII字符：

String fixed = original.replaceAll("[^\\x20-\\x7e]", "");

如果这不能覆盖“�”字符，您也可以将其扩展到所有非四字节UTF-8字符：

String fixed = original.replaceAll("[^\\u0000-\\uFFFF]", "");