这是一个创建于 489 天前的主题，其中的信息可能已经有所发展或是发生改变。
想请教各位大佬一个问题，百度谷歌都没找到解决方案，可能是我太弱了吧 23333
有一些奇奇怪怪的字符，显示就是白框
比如字符串（注意 a 、b 、c 后面都跟了一个东西，v 站可能显示不出来）：a b c
在 sublime 里面显示 a<0x01>b<0x01>c<0x02>
hex 显示 6101 6201 6302
拷贝到 idea 字符串就是 String s = "a\u0001b\u0001c\u0002"
去询问了用户，用户也只是在 word 上或者网页上拷贝一段文字，不是恶意行为。
想要去掉这些奇奇怪怪的东西...
不知道大佬们有什么好的方法吗
有一些奇奇怪怪的字符，显示就是白框
比如字符串（注意 a 、b 、c 后面都跟了一个东西，v 站可能显示不出来）：a b c
在 sublime 里面显示 a<0x01>b<0x01>c<0x02>
hex 显示 6101 6201 6302
拷贝到 idea 字符串就是 String s = "a\u0001b\u0001c\u0002"
去询问了用户，用户也只是在 word 上或者网页上拷贝一段文字，不是恶意行为。
想要去掉这些奇奇怪怪的东西...
不知道大佬们有什么好的方法吗
 |
1
CEBBCAT 2022-12-16 22:55:18 +08:00
|
 |
2
iSNN OP @CEBBCAT 连接是 How To Remove a Character from a String in Java ，不是 how to remove non-utf8 character from a string in java 替换这些编码找不到的字符...我只是举个列子 0x01 与 0x02 。还有很多这种乱七八糟的东西...
|
 |
3
tramm 2022-12-17 09:58:38 +08:00
charAt 一个一个字符判断 :P
|
|
4
iSNN OP @tramm 那要怎么判断呢...感觉和上面那位说 replace 的仁兄说了一样的话...现在问题不是不能替换，不是单纯的找不到，而是不知道该找什么内容。我只是举例了 0x01 与 0x02 两个编码，charAt 找到这两个替换当然简单。但是可不只是这两个，后面还有很多这种 0x 字符，这种做法工程实现上不现实吧。只存在理论上可行
|
 |
5
iX8NEGGn 2022-12-17 14:06:09 +08:00 via iPhone
@iSNN 你举例的看着都属于 C0 或 C1 控制字符，直接把这些替换了，之后可以排出这些控制字符，不允许提交
|
 |
6
myther8888 2022-12-17 16:55:24 +08:00
sublime 用正则替换下
|
 |
7
angryfish 2022-12-17 17:21:45 +08:00
你在 word 上复制能重现吗？
|
 |
8
janus77 2022-12-17 22:10:28 +08:00
sublime 和 idea 的文本编码不一样？检查一下
|
 |
9
nieyuanhong 2022-12-18 03:28:58 +08:00
感觉列举的例子有点少，你需要分析 abc 后边的奇怪字符的 ASCII 码，确定这些奇怪字符的码位范围，范围确定后就好办了，直接正则移除掉。当然如果奇怪的字符包括标点符号和英文字母以及汉字的话，就只能从前端找办法了。
|
|
10
iSNN OP 看了下各位的回答，感谢各位大佬。现在的方案只能采用 找到这些奇怪的符号，再用 replace 替换。
国内的就没找到相关的好的回答，国外倒是给出了许多正则什么的，但是我仔细看了下，试了下。 这些正则的编码范围只是提取出欧美 字母语言的范围，排除了包括中日韩等文字。 不过这个方案也不适合我们的场景，比较中英文或者多国语言混杂比较常见。这个正则就十分的复杂了 |
Select Language