java指定区间删除字符_从字符串中删除特定unicode范围的字符

小编典典

在正则表达式模式中添加否定运算符^。为了过滤可打印的字符，您可以使用以下表达式[^\\x00-\\x7F]，您应该获得所需的结果。

import java.io.UnsupportedEncodingException;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class UTF8 {

public static void main(String[] args) {

String utf8tweet = "";

try {

byte[] utf8Bytes = "#Hello twitter  How are you?".getBytes("UTF-8");

utf8tweet = new String(utf8Bytes, "UTF-8");

} catch (UnsupportedEncodingException e) {

e.printStackTrace();

}

Pattern unicodeOutliers = Pattern.compile("[^\\x00-\\x7F]",

Pattern.UNICODE_CASE | Pattern.CANON_EQ

| Pattern.CASE_INSENSITIVE);

Matcher unicodeOutlierMatcher = unicodeOutliers.matcher(utf8tweet);

System.out.println("Before: " + utf8tweet);

utf8tweet = unicodeOutlierMatcher.replaceAll(" ");

System.out.println("After: " + utf8tweet);

}

}

结果如下：

Before: #Hello twitter  How are you?

After: #Hello twitter How are you?

编辑

为了进一步说明，您还可以\u通过以下方式继续使用范围表示范围，该范围[^\\u0000-\\u007F]将匹配不是前128个UNICODE字符的所有字符(与以前相同)。如果要扩展范围以支持其他字符，可以使用此处的UNICODE字符列表来实现。

例如，如果要包含带有重音的元音(在西班牙语中使用)，则应将范围扩展到\u00FF，因此您具有[^\\u0000-\\u00FF]或[^\\x00-\\xFF]：

Before: #Hello twitter  How are you? á é í ó ú

After: #Hello twitter How are you? á é í ó ú

2020-09-15