Java entfernen nicht Latein-Grund Zeichen aus string

Question

Lassen Sie uns sagen, dass ich den folgenden Code haben:

String description = "★★★★★ ♫ ♬ This description ✔✔ ▬ █ ✖ is a mess. ♫ ♬ ★★★★★"; 

Ich möchte die nicht-lateinischen Zeichen entfernen: ✔, ▬, █, ✖, ♫, ♬ und ★.

Und es haben sich dies: This description is a mess.

Ich weiß, es ist wahrscheinlich Tonnen dieser wingdings ähnlichen Zeichen, also statt, was zu spezifizieren würde ich entfernen möchte, ich denke, es ist besser, Liste, was ich behalten wollen : Basic Latin und Latin-1 supplements Zeichen.

fand ich, dass ich den folgenden Code verwenden kann alles, aber die grundlegenden lateinischen Schriftzeichen

String clean_description = description.replaceAll("[^\\x00-\\x7F]", "").trim();

zu entfernen Aber gibt es eine Möglichkeit, die Latin-1 Supplement Zeichen auch zu erhalten?

Answer 1

Aus im Zeichen der Suche reichen Sie zur Verfügung gestellten, scheint es, dass "Basic Latin" und "Latin-1 Supplement" benachbart ist (0x00-0x7F und 0x80 - 0xFF).

So können Sie die gleiche Regex verwenden Sie zur Verfügung gestellt, sondern nur die „Latin-1 Supplement“ Zeichen erweitert, um zu umfassen. Das würde wie folgt aussehen:

String clean_description = description.replaceAll("[^\\x00-\\xFF]", "").trim(); 

Wie wies darauf hin, in den Kommentaren von Quinn, bedeutet dies nicht die Räume zwischen den entfernten Abschnitten loszuwerden, so das Ergebnis hat überschüssige Räume (was sein kann oder auch nicht, was Sie wollen). Wenn Sie diese Leerzeichen entfernt, Quinns regex ([^(\\x00-\\xFF)]+(?:$|\\s*), falls der Kommentar gelöscht) möchten für Sie arbeiten.

Answer 2

Wenn Sie einen beschreibenden Ausdruck verwenden wollen diesen:

description.replaceAll("[^\\p{InBasic_Latin}\\p{InLatin-1Supplement}]", ""); 

oder den Schnittpunkt der Negationen [\P{InBasic_Latin}&&\P{InLatin-1Supplement}] (nicht, dass es besser lesbar;))