var str="INFO] :谷���新道, ひば���ヶ丘２丁���, ひばりヶ���, 東久留米市 (Higashikurume)";
我需要从字符串中移除所有非ASCII字符，这意味着字符串只包含"INFO] (Higashikurume)"。
从字符串中删除非ASCII字符
124
- Dev
6个回答
319
ASCII的范围在0到127之间，所以：
str.replace(/[^\x00-\x7F]/g, "");
- Zaffy
4
10搜索 ASCII 表 - 你会发现只有值从零到一百二十七的字符是有效的（0x7F 在十六进制中是 127）。这段代码匹配所有不在 ASCII 范围内的字符并将它们移除。 - Zaffy
1谢谢分享。您介意解释一下 \x7F 如何工作吗？再次感谢。 - Daniel
2@eyyo II代表最后一个ASCII字符。我无法在此类注释中给您完整的解释。它被称为十六进制转义序列，如果您搜索它，您肯定会找到大量关于它的信息。 - Zaffy
如果您能编辑您的答案并提供更多关于它如何工作的信息，那将非常棒。现在它并没有真正帮助我理解。 - Robin Métral
47
也可以通过肯定的删除断言来完成，方法如下：
textContent = textContent.replace(/[\u{0080}-\u{FFFF}]/gu,"");
使用了Unicode。在JavaScript中，当表示正则表达式的Unicode时，字符是用转义序列\u{xxxx}指定的，但是还必须有标志'u'; 请注意，正则表达式具有标志'gu'。
我将其称为“积极断言性的删除”，因为“积极”断言表达要删除哪些字符，而“否定”断言表达要保留哪些字符。在许多上下文中，如先前答案所述，否定断言可能更具启示性。插入符号"^"表示“不”，范围\x00-\x7F表示“ASCII”，所以两者组合起来表示“非ASCII”。
textContent = textContent.replace(/[^\x00-\x7F]/g,"");
对于仅关心英语的英语使用者来说，这是一个很好的解决方案，也是原问题的一个不错的答案。 但在更一般的情况下，我们不能总是接受假设“所有非ASCII字符都是坏的”的文化偏见。 对于需要使用非ASCII字符但偶尔需要剥离的上下文，Unicode的正断言更加合适。
当一个字符串的“length”属性为正（非零），但看起来像（即打印为空字符串）一个空字符串时，好的指示是该字符串中嵌入了零宽度、非打印字符。例如，在Chrome调试器中，我发现一个名为“textContent”的变量显示了这个问题：
> textContent
""
> textContent.length
7
这促使我想要查看字符串中的内容。
> encodeURI(textContent)
"%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B"
这一系列字节似乎属于某些Unicode字符族，这些字符被文字处理器插入到文档中，然后找到它们的方式进入数据字段。最常见的是这些符号出现在文档末尾。零宽空格 "%E2%80%8B" 可能是由CK-Editor（CKEditor）插入的。
encodeURI() UTF-8 Unicode html Meaning
----------- -------- ------- ------- -------------------
"%E2%80%8B" EC 80 8B U 200B ​ zero-width-space
"%E2%80%8E" EC 80 8E U 200E ‎ left-to-right-mark
"%E2%80%8F" EC 80 8F U 200F ‏ right-to-left-mark
以下是相关参考链接：
http://www.fileformat.info/info/unicode/char/200B/index.htm
https://en.wikipedia.org/wiki/Left-to-right_mark
请注意，虽然嵌入字符的编码为UTF-8，但正则表达式中的编码不是。尽管该字符在字符串中以三个UTF-8字节的形式（在我这里）嵌入，但正则表达式中的指令必须使用两个字节的Unicode。实际上，UTF-8可以长达四个字节；它比Unicode不够紧凑，因为它使用高位（或位）来转义标准ascii编码。这在这里有所解释：
- IAM_AL_X
1
3
textContent = textContent.replace(/[\u{0080}-\u{FFFF}]/gu,""); 在IE浏览器中（至少IE 11）无法正常运行。它会出现错误：SCRIPT5021：_字符集范围无效_。 - Andrey Sorich24
你可以使用以下的正则表达式来替换非ASCII字符
str = str.replace(/[^A-Za-z 0-9 \.,\?""!@#\$%\^&\*\(\)-_=\+;:<>\/\\\|\}\{\[\]`~]*/g, '')
然而，请注意空格，冒号和逗号都是有效的ASCII字符，因此结果将会如下：
> str
"INFO] :, , , (Higashikurume)"
- Chris Taylor
2
1我不太擅长正则表达式，但知道.replace()方法需要将要替换的内容作为第一个参数，将第二个参数替换为它，例如.replace('要替换的文本', '用这个文本替换')。那么如何做到相反的效果，保留ASCII字符并删除其他字符呢？谢谢。 - NicoM
3在正则表达式中，方括号
[]内的字符表示匹配任意一个该位置可能出现的字符，而方括号中的字符前加上^则表示匹配除了方括号内指定的字符以外的任意一个字符。 - Zaffy19
没有一个答案能够正确处理制表符、换行符、回车符，有些还不能处理扩展ASCII和Unicode字符。以下代码可以保留制表符和换行符，但删除控制字符和ASCII字符集之外的任何内容。点击“运行此代码段”按钮进行测试。未来（2020+？）将会推出一些新的JavaScript，可能需要使用
\u{FFFFF}，但目前还不需要。
console.log("line 1\nline2 \n\ttabbed\nF̸̡̢͓̳̜̪̟̳̠̻̖͐̂̍̅̔̂͋͂͐l̸̢̹̣̤̙͚̱͓̖̹̻̣͇͗͂̃̈͝a̸̢̡̬͕͕̰̖͍̮̪̬̍̏̎̕͘ͅv̸̢̛̠̟̄̿i̵̮͌̑ǫ̶̖͓͎̝͈̰̹̫͚͓̠̜̓̈́̇̆̑͜ͅ".replace(/[\x00-\x08\x0E-\x1F\x7F-\uFFFF]/g, ''))- Jonathan
2
这是一个不错的正则表达式，但它也会移除重音符号和表情符号。我不确定如何改进这个正则表达式以涵盖这些情况。 - Julio Vedovatto
对于寻找可能的解决方案，以删除Angular window.atob 和 DOMSanitizer.bypassSecurity...在将其转换为base64时出现无效字符（无论是%80, \uFFFF 还是未解释的空格），这是一个有效的解决方案。 - B. León
17
使用带有重音符号的 ASCII：
var str = str.replace(/[^\x00-\xFF]/g, "");
- Eolia
2
1太棒了！它处理其他答案丢弃的大于127的ASCII值。 - user3413723
关于带有重音符号的alt文本怎么样...比如https://altcodeunicode.com/alt-codes-letter-e-with-accents/? - Stackedup
2
str = str.replace(/[\u{0080}-\u{10FFFF}]/gu,"");
- Nathan B
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
原文链接