java非法字符 u007f_java过滤乱码（u形式乱码、unicode乱码）

由于编辑人员从excel，word等乱七八糟的地方copy内容过来，其中有不可见的字符，导致输出内容看上去是对的，其实是多了一个零长度的字符(比如：u2028，0000200B ZERO WIDTH SPACE)，所以需要过滤掉不合法的unicode编码等特殊字符

整理的正则：[\u007f-\u009f]|\u00ad|[\u0483-\u0489]|[\u0559-\u055a]|\u058a|[\u0591-\u05bd]|\u05bf|[\u05c1-\u05c2]|[\u05c4-\u05c7]|[\u0606-\u060a]|[\u063b-\u063f]|\u0674|[\u06e5-\u06e6]|\u070f|[\u076e-\u077f]|\u0a51|\u0a75|\u0b44|[\u0b62-\u0b63]|[\u0c62-\u0c63]|[\u0ce2-\u0ce3]|[\u0d62-\u0d63]|\u135f|[\u200b-\u200f]|[\u2028-\u202e]|\u2044|\u2071|[\uf701-\uf70e]|[\uf710-\uf71a]|\ufb1e|[\ufc5e-\ufc62]|\ufeff|\ufffc

java代码如下：private String replaceWrongUnicode(String source, String replace) {

if (StringUtils.isBlank(source)) {

return source;

}

if (StringUtils.isBlank(replace)) {

replace = "";

}

Pattern CRLF = Pattern.compile("([\u007f-\u009f]|\u00ad|[\u0483-\u0489]|[\u0559-\u055a]|\u058a|[\u0591-\u05bd]|\u05bf|[\u05c1-\u05c2]|[\u05c4-\u05c7]|[\u0606-\u060a]|[\u063b-\u063f]|\u0674|[\u06e5-\u06e6]|\u070f|[\u076e-\u077f]|\u0a51|\u0a75|\u0b44|[\u0b62-\u0b63]|[\u0c62-\u0c63]|[\u0ce2-\u0ce3]|[\u0d62-\u0d63]|\u135f|[\u200b-\u200f]|[\u2028-\u202e]|\u2044|\u2071|[\uf701-\uf70e]|[\uf710-\uf71a]|\ufb1e|[\ufc5e-\ufc62]|\ufeff|\ufffc)");

Matcher m = CRLF.matcher(source);

if (m.find()) {

return m.replaceAll(replace);

}

return source;

}

附：过滤

成
private String replaceEnter(String source) {

if (StringUtils.isBlank(source)) {

return source;

}

Pattern CRLF = Pattern.compile("(

||

|

)");

Matcher m = CRLF.matcher(source);

if (m.find()) {

return m.replaceAll("
");

}

return source;

}

更多java知识请关注java基础教程栏目。