Question

我有一组八进制值说（0177-0377）。每当我在字符串中找到这些值时，必须用？替换。

    String a= "sccce¼»¼½¾¿ÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏÐÑÒÓÔÕerferferfer";
    for (int i = 0177; i<= 0377 ; i++)
    {
        char x= (char) i;
        a= a.replaceAll(Character.toString(x), "?");
    }
    System.out.print(a);

但是当我们有一个小文件时这看起来不错，但我必须在1TB文件中执行此操作。

我们如何使用正则表达式来完成这项任务。

Answer 1

您可以使用此正则表达式[^\p{ASCII}]替换所有非ASCII字符：

a.replaceAll("[^\\p{ASCII}]", "?")

输出

sccce????????????????????????????erferferfer

您必须在十六进制中找到八进制字符的表示形式，link 0177由\x7F表示，0377由FF表示

对于您的情况，您可以使用：

a.replaceAll("[\\x7F-\\xFF]", "?")

Ideone demo

Answer 2

您不希望一次性对整个文件执行此操作 - 您需要一种流式处理方法。我会做这样的事情：

// TODO: Rename to something more appropriate
public static void replaceInvalidCharacters(Reader reader, Writer writer) {
    char[] buffer = new char[16384]; // Adjust if you want
    int charsRead;
    while ((charsRead = reader.read(buffer)) > 0) {
        for (int i = 0; i < charsRead; i++) {
            if (buffer[i] >= 0177 && buffer[i] <= 0377) {
                buffer[i] = '?';
            }
        }
        writer.write(buffer);
    }
}

因此，您要打开当前文件的阅读器（使用适当的编码），输出文件的编写器（具有适当的编码），然后调用上面的方法。它将一次读取一大块数据，替换块中的所有“坏”字符，然后将块写入编写器。

不需要正则表达式。

请注意，在该范围之外有很多非ASCII字符 - 如果你真的想删除所有非ASCII字符，你基本上想要

if (buffer[i] > 126) // Or 127; what do you want to do with U+007F?

Java - 正则表达式替换字符串中的八进制值

2 个答案: