正则表达式删除除某个标记之外的控制字符

Question

我在加载和反序列化时从字符串中删除控制字符。 我使用以下正则表达式执行此操作，这很好：

\\p{C}

问题是文本的一部分意味着在其中有新的行。所以我需要做的是删除所有控制字符，除非它们介于<Text>和</Text>之间。

如何使用正则表达式执行此操作？

Answer 1

您可以使用

replaceAll("(?s)(<Text>.*?</Text>)|\\p{C}", "$1")

我们的想法是跳过Text标记内容并将其留下（将它们替换为自己）。因此，如果我们遇到\\p{C}，我们就知道它不在其中。

<强>解释：

• (?s)激活＆＃34;点匹配所有＆＃34;，因此.也会匹配换行符
• (<Text>.*?</Text>) 捕获第一组中的文本节点。我们通过$1
替换此捕获的结果
• 如果我们匹配\\p{C}，则表示我们不在Text节点中。因此，我们将$1替换为空(<Text>.*?</Text>)，因为{{1}}在替换中不匹配。

Ideone插图：http://ideone.com/xKZgsn

Answer 2

您可以使用此正则表达式：

/(?!<text[^>]*?>)(\p{C}+)(?![^<]*?<\/text>)/gi

但是，正如@fge所提到的，最好是干净地解析你的输入。

Answer 3

这是我必须测试除去控制字符的正则表达式模式的字符串。

  

AAU吗？Aasddsaustw3h，kdf134dfswdesdfent？

似乎正则表达式模式"[[:cntrl:]]"运作良好。 string.replaceAll("[\u0000-\u001f]", "")仅替换其中的一部分。 "\p{Cntrl}"只需在“ wecty”之后替换空字符串。

谁能告诉我那些控制字符是什么？我可以替换它们，但不知道它们是什么。 Jave在线正则表达式测试显示匹配了11个控制字符。 https://www.freeformatter.com/java-regex-tester.html#ad-output