删除 java 中 X charCode 以上的字符

Question

在Java中，我可以这样替换基于字符代码的字符：

String text = "";
text = text.replaceAll(String.valueOf((char)61443), " ");

但是，给定一行具有不同字符代码的无意义字符，删除它们的最有效方法是什么？例如，下面的行有许多不同的字符代码，但它们都在 60000 以上。是否有办法删除所有超过 60000 的字符代码而不循环遍历每个字符，或者列出 60000 到 70000？



Answer 1

屏幕上是这样的，实际符号会有所不同你需要这样的东西 /^a-zA-Z0-9/

text = text.replaceAll("^a-zA-Z0-9", " ");

Answer 2

使用具有范围字符的正则表达式 class。因为您指定了一个“到 70000”的范围，它在 UTF-16 之外，其最大值为 \uFFFF 或 65535，因此您需要范围的结尾为 surrogate pair，其最大值为 \uDBFF\uDFFF，解码为 10FFFF 十六进制或 1114111 十进制：

text = text.replaceAll("[\uEA60-\uDBFF\uDFFF]+", "");

仅供参考 EA60 是 60000 的十六进制。

另请注意用空白代替 space，以删除他们。

顺便说一句，如果您的字面意思是高于 60000 而不是 60000 或更高 .

，请使用 EA61

Answer 3

中的正则表达式当然更简洁，但这里还有一种处理流的方法。也许它会对某人有用。也许在某些情况下它更快，谁知道呢。

如果你想去除任何大于65535的逻辑字符（你在问题中说的是60k-70k），那么你需要考虑代码点。

这演示了一个包含逻辑字符 '' 的字符串。根据字体的不同，它可能是不可见的，但它看起来像这样：

final String newStr = "\uD9C0\uDC00".codePoints()
        .filter(chr -> chr <= 60_000 /*&& chr <= 70_000*/)
        .collect(
            StringBuilder::new,
            (sb, chr) -> sb.append((char) chr),
            StringBuilder::append
        )
        .toString();
System.out.println(newStr);

输出为空字符串。

删除 java 中 X charCode 以上的字符

Removing characters above X charCode in java

java

unicode

char