替换字符串中的非ASCII字符

我有一个字符串 A função，Ãugent在我需要更换字符像ç，ã，Ã空字符串。

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 =
                // Is character ISO control
                Character.isISOControl(array[i]);
        boolean bIgnorable =
                // Is Ignorable identifier
                Character.isIdentifierIgnorable(array[i]);
        // 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;
}

但是它不能正常工作..需要什么改进...这里我还有一个问题是，最终的字符串被空格字符代替，从而在字符串中创建了多余的空间。

这将搜索并替换所有非ASCII字母：

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

FailedDev的回答很好，但是可以改进。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”这样的字符将被映射到“ oau”，这至少保留了一些信息。如果不进行规范化，则结果字符串将为空白。

这将是Unicode解决方案

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

\p{InBasic_Latin}是一个包含以Unicode范围U + 0000..U + 007F的所有字母Unicode的块（参见regular-expression.info）

\P{InBasic_Latin} 被否定了 \p{InBasic_Latin}

您可以尝试这样的事情。字母的特殊字符范围从192开始，因此可以避免在结果中使用此类字符。

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());

或者，您可以使用下面的函数从字符串中删除非ASCII字符。您将了解内部工作。

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();
}

[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("");
    } ...

CharMatcher.retainFrom如果您使用的是Google Guava库，则可以使用：

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

所述ASCII表包含128个代码，总的95个打印字符，其中只有52个字符是字母：

• [0-127] ASCII码
  • [32-126] 可打印字符
    • [48-57] 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，在获得流int这个字符串的字符和值filter出非ASCII字符：

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，过滤除字母以外的所有内容：

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

^{另请参阅：如何在密码验证中不使用特殊字符（不使用Regex）？}