删除字符串中的非ASCII字符

var str="INFO] :谷���新道, ひば���ヶ丘２丁���, ひばりヶ���, 東久留米市 (Higashikurume)";

我需要从字符串中删除所有非ASCII字符，

表示str仅包含“ INFO]（Higashikurume）”；

ASCII的范围是0到127，因此：

str.replace(/[^\x00-\x7F]/g, "");

也可以使用肯定的删除声明来完成此操作，如下所示：

textContent = textContent.replace(/[\u{0080}-\u{FFFF}]/gu,"");

这使用unicode。在Javascript中，当为正则表达式表示unicode时，用转义序列指定字符，\u{xxxx}但也'u'必须存在标志；注意正则表达式带有标志'gu'。

我将其称为“删除的肯定断言”，因为“肯定”断言表示要删除的字符，而“否定”断言表示不删除的字母。在许多情况下，如先前答案中所述，否定性主张可能对读者更具启发性。抑扬符“ ^”表示“不”，范围\x00-\x7F表示“ ascii”，因此两者一起说“ not ascii”。

textContent = textContent.replace(/[^\x00-\x7F]/g,"");

对于只关心英语的讲英语的人来说，这是一个很好的解决方案，并且对于原始问题也提供了很好的答案。但是在更笼统的背景下，人们不能总是接受假定“所有非ASCII都是不好的”的文化偏见。对于使用非ascii但偶尔需要删除的上下文，使用Unicode的肯定断言比较合适。

当字符串的“长度”属性为正（非零）但看起来像（即打印为）空字符串时，则在字符串中嵌入了零宽度，非打印字符的一个好兆头。例如，我在Chrome调试器中显示了名为“ textContent”的变量：

> textContent
""
> textContent.length
7

这促使我想查看该字符串中的内容。

> encodeURI(textContent)
"%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B"

字节序列似乎属于一些Unicode字符的系列，这些字符由文字处理器插入文档中，然后找到进入数据字段的方式。最常见的是，这些符号出现在文档的末尾。零宽度空格"%E2%80%8B"可能由CK-Editor（CKEditor）插入。

encodeURI()  UTF-8     Unicode  html     Meaning
-----------  --------  -------  -------  -------------------
"%E2%80%8B"  EC 80 8B  U 200B   ​  zero-width-space
"%E2%80%8E"  EC 80 8E  U 200E   ‎  left-to-right-mark
"%E2%80%8F"  EC 80 8F  U 200F   ‏  right-to-left-mark

关于这些的一些参考：

http://www.fileformat.info/info/unicode/char/200B/index.htm

https://zh.wikipedia.org/wiki/从左到右标记

请注意，尽管嵌入字符的编码为UTF-8，但正则表达式中的编码不是。尽管字符以UTF-8的三个字节（在我的情况下）嵌入字符串中，但正则表达式中的指令必须使用两字节Unicode。实际上，UTF-8的长度最多为四个字节。它比Unicode紧凑，因为它使用高位（或多个）来转义标准ascii编码。解释如下：

https://zh.wikipedia.org/wiki/UTF-8

您可以使用以下正则表达式替换非ASCII字符

str = str.replace(/[^A-Za-z 0-9 \.,\?""!@#\$%\^&\*\(\)-_=\+;:<>\/\\\|\}\{\[\]`~]*/g, '')

但是，请注意，空格，冒号和逗号都是有效的ASCII，因此结果为

> str
"INFO] :, , ,  (Higashikurume)"

这些答案均不能正确处理制表符，换行符，回车符，并且某些不能处理扩展的ASCII和unicode。这将保留制表符和换行符，但会删除控制字符和ASCII集中的所有内容。点击“运行此代码段”按钮进行测试。有一些新的javascript即将发布，因此在将来（2020年或以后），您可能需要做，\u{FFFFF}但尚未完成

console.log("line 1\nline2 \n\ttabbed\nF̸̡̢͓̳̜̪̟̳̠̻̖͐̂̍̅̔̂͋͂͐l̸̢̹̣̤̙͚̱͓̖̹̻̣͇͗͂̃̈͝a̸̢̡̬͕͕̰̖͍̮̪̬̍̏̎̕͘ͅv̸̢̛̠̟̄̿i̵̮͌̑ǫ̶̖͓͎̝͈̰̹̫͚͓̠̜̓̈́̇̆̑͜ͅ".replace(/[\x00-\x08\x0E-\x1F\x7F-\uFFFF]/g, ''))

要将ASCII与重音一起使用：

var str = str.replace(/[^\x00-\xFF]/g, "");