如何从字符串中删除控制字符？

Question

如何从字符串中删除控制字符？

32

我在页面上有一个表单，用户可以输入一些文本并提交。然后将文本发送到服务器（基于node.js的REST API）并保存到数据库（postgres）中。

问题是偶尔会保存一些奇怪的字符（控制字符），例如换码控制字符（^ [）或退格控制字符（^ H）。通常不会破坏任何东西，因为这些字符是看不见的，所以HTML呈现正确。但是，当我为RSS阅读器提供XML内容时，它们（阅读器）因为这些控制字符返回“格式不正确的XML”，删除它们之后才能正常工作。

我的问题是如何在客户端级别（javascript）或服务器级别（javascript / node.js）从字符串中去除这些字符？

- user606521

1

只需要做什么呢？拿到字符串，使用字符串替换函数将任何非法字符（或字符范围）替换为''，然后保存即可。 - Mike 'Pomax' Kamermans

请查看此主题 https://dev59.com/a2855IYBdhLWcg3wYjOF - Asik

请使用CDATA将此类数据包装起来。 - Vasiliy vvscode Vanchuk

我的RSS订阅中的所有字符串字段都被CDATA包装，但这并没有解决问题 - 仍然会出现“格式不正确的XML”错误。 - user606521

1

我认为这并没有涵盖所有可能会破坏事物的字符。例如，0x200B是一个无声的杀手 - 参见此处https://dev59.com/IGcs5IYBdhLWcg3wmlIK。 - mike nelson

1

这是一个所有可能被普通空格替换的空格字符列表 https://www.cs.tut.fi/~jkorpela/chars/spaces.html，还指出了应该删除的两个不可见空格字符。 - mike nelson

2个回答

-6

我曾经遇到类似的问题，这是我选择的解决方案。

我使用encodeURIComponent（variable_Name）对用户输入的字符串数据进行编码，然后在显示时使用decodeURIComponent（variable_Name）进行解码。

- Mateen

4

由于 encodeURI.. 只是对控制字符进行编码，而 decodeURI.. 则是将它们解码回来，因此这种方法行不通。 - user606521

谢谢您的评论，能否请您解释一下，为什么编码和解码不起作用？ - Mateen

3

因为它只是对不可见字符进行编码，然后再解码，实际上并没有任何变化 - 我的内容中仍然会有这些不可见字符 - 我希望从内容中将它们删除... - user606521

实际上，encodeURIComponent方法将几乎所有符号编码为它们的HTML等效代码，例如：var uri = "@#$%^&*()_+-={}[]|:;'<>?,./"; var res = encodeURIComponent(uri);输出：%40%23%24%25%5E%26*()_%2B-%3D%7B%7D%5B%5D%7C%3A%3B'%3C%3E%3F%2C.%2F因此，一旦特殊符号被编码，就不会出现任何问题，并且我们可以在解码后看到实际值。 - Mateen

1

但我想要删除这些字符，而不是对它们进行编码（例如博客文章描述中不需要“转义”或“退格”字符）。而且我不能将编码后的内容提供给RSS源，因为其中有一些HTML代码，而encodeURIComponent会对其进行编码，导致在RSS源中看到HTML标签。 - user606521

无论如何，我很高兴你找到了答案。对于上述声明，我想说的是：如果您对用户提供的值进行编码，然后再进行解码（也可以从服务器端完成），那么用户的值将与他所提供的值相同。编码和解码总是让我免受特殊字符的负担。 - Mateen

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

- Rory O'Kane · Accepted Answer

在Unicode中，控制字符的代码点范围为U+0000到U+001F和U+007F到U+009F。使用RegExp查找这些控制字符，并用空字符串替换：

str.replace(/[\u0000-\u001F\u007F-\u009F]/g, "")

如果你想要移除额外的字符，需要将这些字符添加到 RegExp 中的字符类内部。例如，如果要移除 U+200B 零宽空格，需要在 ] 的前面添加 \u200B。