从记事本++或Java中的文件中删除非法字符

Question

我有一个很大的文件，并且该文件包含很多非法字符，如下图所示，但并非全部。它们种类繁多，因此无法全部搜索并替换它们。 有没有一种方法可以删除这些字符。我尝试了很多解决方案，例如转换为ANSI或某些正则表达式，但是它们没有用。请帮忙。

编辑：即使任何人都可以告诉我如何在Java中删除这些字符，也可以。

Answer 1

如果您知道期望使用哪种类型的字符，则可以删除白名单过滤器，而不是删除特定字符。

根据this answer, which explains how to remove emoticons，您可以尝试：

String characterFilter = "[^\\p{L}\\p{M}\\p{N}\\p{P}\\p{Z}\\p{Cf}\\p{Cs}\\s]";
String emotionless = aString.replaceAll(characterFilter, "");

要了解可用的\p{}个组，请查看Classes for Unicode scripts, blocks, categories and binary properties docs：

  

\ p {IsLatin}拉丁字母字符（脚本）

     

\ p {InGreek}希腊语块中的一个字符（块）

     

\ p {Lu}大写字母（类别）

     

\ p {IsAlphabetic}字母字符（二进制属性）

     

\ p {Sc}货币符号

     

\ P {InGreek}除希腊语块（取反）中的一个字符外的任何字符

     

[\ p {L} && [^ \ p {Lu}]]除大写字母（减法）之外的任何字母