正则表达式去除所有不可打印字符

Question

正则表达式去除所有不可打印字符

8

我希望能从一个字符串中删除所有的不可打印ASCII字符，同时保留不可见字符。我认为这会奏效，因为空格、\n和\r是不可见字符但不是不可打印字符？基本上，我得到了一个带有�字符的字节数组，我不希望它们存在于其中。所以我正在尝试将其转换为字符串，在再次将其用作字节数组之前删除�字符。现在我的代码可以正常处理空格，但\r和\n不能正常工作。应该使用什么正则表达式来保留它们？或者有比我做的更好的方法吗？

public void write(byte[] bytes, int offset, int count) {

    try {
        String str = new String(bytes, "ASCII");
        str2 = str.replaceAll("[^\\p{Print}\\t\\n]", "");
        GraphicsTerminalActivity.sendOverSerial(str2.getBytes("ASCII"));

    } catch (UnsupportedEncodingException e) {

        e.printStackTrace();
    }

     return;
 }

}

编辑：我尝试了[^\x00-\x7F]，这是ascii字符的范围...但是那些 � 符号仍然可以通过，很奇怪。

- Paul

1

不要在正则表达式中使用 \t 和 \n。请正常使用 \t 和 \n，因为它们不是像 \w、\d、\s 这样的正则表达式字符类。 - Pshemo

1

这些字符可能不是不可打印的字符，而是（Unicode）字符，您的字体不支持。请提供一个示例字符串，可能还要通过 od -t u1 进行管道传输。 - Jens Erat

1

@Ranon 是的，我相信那些字符是Unicode字符，这是我收到的字符http://www.fileformat.info/info/unicode/char/fffd/index.htm。当我在终端仿真器中输入任何字符，例如g，我会得到一个字符串“g��\r\n”。因此，我想要删除�的出现。我认为代码是\uFFFd。我的语句正确地删除了它们，但我需要保留\r \n和\b。 - Paul

我发现java.lang.Character提供了所有所需的字符过滤功能。也许你根本不需要正则表达式。我已经为从Word用户复制到文本区域中的各种垃圾字符实现了一个字符过滤器，而且除了这个类之外什么都不需要。 - dkateros

FFFD是一个特殊的Unicode字符，代表无法在Unicode中编码的字符。你最好找出这些字符来自哪里，可能是其他地方出了问题... - Jens Erat

显示剩余3条评论

2个回答

1

我希望您提供一个更简单的解决方案。顺便提一下，您忽略了偏移量和计数。下面的解决方案将覆盖原始数组。

public void write(byte[] bytes, int offset, int count) {
    int writtenI = offset;
    for (int readI = offset; readI < offset + count; ++readI) {
        byte b = bytes[readI];
        if (32 <= b && b < 127) {
            // ASCII printable:
            bytes[writtenI] = bytes[readI]; // writtenI <= readI
            ++writtenI;
        }
    }
    byte[] bytes2 = new byte[writtenI - offset];
    System.arraycopy(bytes, offset, bytes2, 0, writtenI - offset);
    //String str = new String(bytes, offset, writtenI - offset, "ASCII");
    //bytes2 = str.getBytes("ASCII");
    GraphicsTerminalActivity.sendOverSerial(bytes2);
}

- Joop Eggen

1

谢谢，我会尝试一下。不幸的是，我的测试电缆坏了，需要一周后才能尝试这个方法。当你说“// ASCII printable”时，你是指只有ASCII可打印字符吗？我需要一些非打印字符通过，比如\r \n \b。例如[^\x00-\x7F]允许所有内容通过，但\p{print}阻止\n \r \b，以及不正确的字符。所以对我而言，情况并不是忽略所有的非打印字符。 - Paul

1

你可以将它改为 0 <= b && b <= 127。或者由于byte是有符号的：b >= 0，并加上注释 // ASCII 7 bits range。 - Joop Eggen

是的，这样更好，但出现了一些“�”字符，我不知道为什么。我需要进行更多测试，看看哪个范围可以去除它们，哪个不能...谢谢。 - Paul

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

- abc123 · Accepted Answer

以下正则表达式只匹配可打印文本。

[^\x00\x08\x0B\x0C\x0E-\x1F]*

以下正则表达式可查找非打印字符。

[\x00\x08\x0B\x0C\x0E-\x1F]

Java 代码：

boolean foundMatch = false;
try {
    Pattern regex = Pattern.compile("[\\x00\\x08\\x0B\\x0C\\x0E-\\x1F]");
    Matcher regexMatcher = regex.matcher(subjectString);
    foundMatch = regexMatcher.find();
    //Relace the found text with whatever you want
} catch (PatternSyntaxException ex) {
    // Syntax error in the regular expression
}