在Java中替换字符串中的特殊字符

Question

我该如何在Java中替换字符串？

例如：

String a = "adf�sdf";

如何替换和避免特殊字符？

- zahir

---

欢迎来到 Stack Overflow，zahir！您要从哪里获取这些字符串？是从随机用户那里获取的吗？还是通过 Web 服务获取的？您是试图用该字符串替换某些内容，还是将该字符串用于替换其他内容？ - Pops

看起来像是Mojibake——“...由于使用了错误的字符编码而导致的乱码文本。” - Peter Mortensen

Answer 1

你可以使用String#replaceAll()方法，将模式[^\\x20-\\x7e]替换为空字符来消除所有在可打印 ASCII 范围之外的字符：

a = a.replaceAll("[^\\x20-\\x7e]", "");

但这并没有真正解决你的实际问题，它更像是一个变通方法。根据给定的信息很难确定这个问题的根本原因，但阅读这些文章中的任意一篇都应该会有所帮助：

• 软件开发人员绝对、必须知道的有关Unicode和字符集的最低限度要求（毫无借口！）
• Unicode - 如何正确处理字符？

- BalusC

---

嗯，似乎有一个Markdown错误（链接2没有正确解析），但我似乎找不到/修复它？ - BalusC

@BalusC：这种情况经常发生（因为我经常链接到Java6文档），您需要将末尾附近的空格替换为“%20”。 - T.J. Crowder

@T.J. 是的，就是这样，谢谢 :) 另外，Firefox通常在粘贴之前会对它们进行转义，但出于某种奇怪的原因，它没有正确地发生。我重新创建了链接，问题就解决了。 - BalusC

@BalusC：我觉得非常讽刺的是，你指出了一篇Joel的文章……他关于Unicode的第一篇文章充满了错误和误解：我记得他发布它时想“WTF！？”。这是Joel的一个“啊哈我懂了”的难忘时刻，但充满了错误。自从他发布了他关于Unicode的第一篇文章以来，我开始对他说过的每一句话都持怀疑态度。;) - SyntaxT3rr0r

@Wiz：这也是我自己写了另一篇文章的原因之一，以更简单的术语、实际的例子和解决方案来澄清其中的一些问题。但是...乔尔的文章中并没有你所暗示的那么多错误吧？ - BalusC

我看到的唯一重要错误是（1）他说UTF-8每个字符使用多达六个字节（这在他写文章时是正确的，但一个月后就被更改了），以及（2）他暗示UTF-16和UCS-2是等效的（这从未是正确的）。 - Alan Moore

Answer 2

假设您想要删除所有特殊字符，可以使用字符类\p{Cntrl}。然后您只需使用以下代码：

stringWithSpecialCharcters.replaceAll("\\p{Cntrl}", replacement);

- ablaeul

---

如果你认为“特殊字符”指的是ASCII控制字符，那么这个方法是可行的。但我个人经验认为它通常指标点符号，不过在这种情况下就不好说了。 - Alan Moore

Answer 3

如果没有更多上下文信息的话，回答这个问题很困难。

一般来说，您可能会遇到编码问题。请参阅有关字符编码的绝对最低限度以了解字符编码的概述。

- Daniel Rikowski

Answer 4

您可以使用Unicode转义序列（例如\u201c [一个左花括号]）来“避免”不能直接在源文件编码中使用的字符（默认为平台的默认编码，但您可以使用-encoding参数更改它到javac）。

- T.J. Crowder

---

源文件编码默认为平台默认编码，即通常不是UTF-8。 - Michael Borgwardt

@Michael：谢谢，已修复。我不是在胡说八道，不知道它实际上与哪种语言/环境相关？;-) 或者这是在1996年左右的事情... - T.J. Crowder

我怀疑这一点，因为UTF-8直到1993年才被指定，并且Java曾经建议在分发源代码之前使用native2ascii。不过，我预计UTF-8将成为一些新系统的默认设置。 - Michael Borgwardt

@Michael：1993年早于1996年，我记得Java支持这些奇怪的Unicode东西时很时髦和酷，所以这是*可能的，虽然不太可能。;-)（native2ascii，天哪，那是过去的回忆）无论如何，谢谢，即使在2010年之前的信息也显然是错的！ - T.J. Crowder