Question

我有字符串A função，Ãugent我需要用空字符串替换ç，ã，Ã等字符。

如何只匹配那些非ASCII字符？

我正在使用一个功能

public static String matchAndReplaceNonEnglishChar(String tmpsrcdta)
    {
        String newsrcdta = null;
        char array[] = Arrays.stringToCharArray(tmpsrcdta);
        if (array == null)
            return newsrcdta;

        for (int i = 0; i < array.length; i++)
        {           
            int nVal = (int)array[i];
            boolean bISO = Character.isISOControl(array[i]); // Is character ISO control
            boolean bIgnorable = Character.isIdentifierIgnorable(array[i]); // Is Ignorable identifier
            // Remove tab and other unwanted characters..
            if (nVal == 9 || bISO || bIgnorable)
                array[i] = ' ';
            else if (nVal > 255)
                array[i] = ' ';
        }
        newsrcdta = Arrays.charArrayToString(array);

        return newsrcdta;
    }

但它没有正常工作......需要改进...这里我还有一个问题是最后的字符串被空格字符替换，这会在字符串中创建额外的空格。

Answer 1

这将搜索并替换所有非 ASCII 字母：

String resultString = subjectString.replaceAll("[^\\x00-\\x7F]", "");

Answer 2

FailedDev的答案很好，但可以改进。如果要保留ascii等效项，则需要先进行规范化：

String subjectString = "öäü";
subjectString = Normalizer.normalize(subjectString, Normalizer.Form.NFD);
String resultString = subjectString.replaceAll("[^\\x00-\\x7F]", "");

=> will produce "oau"

这样，像“öäü”这样的字符将映射到“oau”，这至少可以保留一些信息。如果没有规范化，结果字符串将为空。

Answer 3

这将是Unicode解决方案

String s = "A função, Ãugent";
String r = s.replaceAll("\\P{InBasic_Latin}", "");

\p{InBasic_Latin}是Unicode块，包含Unicode范围U + 0000..U + 007F中的所有字母（请参阅regular-expression.info）

\P{InBasic_Latin}是否定的\p{InBasic_Latin}

Answer 4

你可以尝试这样的事情。字母的特殊字符范围从192开始，因此您可以在结果中避免使用此类字符。

String name = "A função";

StringBuilder result = new StringBuilder();
for(char val : name.toCharArray()) {
    if(val < 192) result.append(val);
}
System.out.println("Result "+result.toString());

Answer 5

或者您可以使用以下函数从字符串中删除非ascii字符。你会知道内部工作。

private static String removeNonASCIIChar(String str) {

        StringBuffer buff = new StringBuffer();
        char chars[] = str.toCharArray();

        for (int i = 0; i < chars.length; i++) {

            if (0 < chars[i] && chars[i] < 127) {

                buff.append(chars[i]);
            }

        }
        return buff.toString();

    }

Answer 6

[更新的解决方案]

可以与“规范化”（规范分解）和“ replaceAll”一起使用，以将其替换为适当的字符。

import java.text.Normalizer;
import java.text.Normalizer.Form;
import java.util.regex.Pattern;

public final class NormalizeUtils {

    public static String normalizeASCII(final String string) {
        final String normalize = Normalizer.normalize(string, Form.NFD);

        return Pattern.compile("\\p{InCombiningDiacriticalMarks}+")
                      .matcher(normalize)
                      .replaceAll("");
    } ...

Answer 7

如果您使用的是CharMatcher.retainFrom库，则可以使用

Google Guava：

String s = "A função";
String stripped = CharMatcher.ascii().retainFrom(s);
System.out.println(stripped); // Prints "A funo"

Answer 8

ASCII表包含128个代码，一共95个printable characters，其中只有52个字符是字母：

[0-127] ASCII 码
- [32-126] 可打印字符
  - [48-57] 位数字 [0-9]
  - [65-90] 大写字母 [A-Z]
  - [97-122] 小写字母 [a-z]

您可以使用 String.codePoints 方法获取此字符串的 int 个字符值和 filter 个非 ASCII 字符的流：

String str1 = "A função, Ãugent";

String str2 = str1.codePoints()
        .filter(ch -> ch < 128)
        .mapToObj(Character::toString)
        .collect(Collectors.joining());

System.out.println(str2); // A funo, ugent

或者您可以显式指定字符范围。例如过滤掉除字母之外的所有内容：

String str3 = str1.codePoints()
        .filter(ch -> ch >= 'A' && ch <= 'Z'
                || ch >= 'a' && ch <= 'z')
        .mapToObj(Character::toString)
        .collect(Collectors.joining());

System.out.println(str3); // Afunougent

^{另见：How do I not take Special Characters in my Password Validation (without Regex)?}

从字符串中替换非ASCII字符

8 个答案: