如何从 Java 中的字符串中删除 \u200B（零长度空白 Unicode 字符）？答案

【问题标题】：How to remove \u200B (Zero Length Whitespace Unicode Character) from String in Java?如何从 Java 中的字符串中删除 \u200B（零长度空白 Unicode 字符）？
【发布时间】：2017-08-15 01:50:46
【问题描述】：

我的应用程序正在使用 Spring Integration 从 Outlook 邮箱进行电子邮件轮询。

因为它正在从外部系统（Outlook）接收字符串（电子邮件正文），所以我对它没有控制。

例如，

String emailBodyStr= "rejected by sundar14-\u200B.";

现在我正在尝试从该字符串中删除 unicode 字符\u200B。

我已经尝试过。

尝试#1：

emailBodyStr = emailBodyStr.replaceAll("\u200B", "");

尝试#2：

`emailBodyStr = emailBodyStr.replaceAll("\u200B", "").trim();`

尝试#3（使用 Apache Commons）：

StringEscapeUtils.unescapeJava(emailBodyStr);

尝试#4：

StringEscapeUtils.unescapeJava(emailBodyStr).trim();

到目前为止没有任何效果。

当我尝试使用以下代码打印此字符串时。

logger.info("Comment BEFORE:{}",emailBodyStr);
logger.info("Comment AFTER :{}",emailBodyStr);

在 Eclipse 控制台中，不打印 unicode char，

评论之前：被 sundar14-拒绝。

但相同的代码在 Linux 控制台 中打印 unicode char，如下所示。

之前的评论：被 sundar14-\u200B 拒绝。

我阅读了一些推荐使用 str.replace() 的示例，但请注意示例使用 javascript、PHP 和 not Java。

【问题讨论】：

replaceAll 方法在我尝试时有效。
你是如何测试它的？可以打印吗？
在尝试替换之前，我看到输出中有一个不可打印的字符（显示为“？”），长度为23。替换后，不可打印的字符消失了，长度为22.
您在 IDE 控制台中在哪里看到“？”？您使用的是哪个 IDE？当我使用 str.replaceAll() 时，我也得到了计数 23（之前）和 22（之后），但是当我将此字符串（在 str.replaceAll() 之后）存储在数据库中时 - 我可以在 DB 中看到 '\u200B' .
在 Windows 命令提示符下运行时看到问号。此外，将String 与另一个没有\u200B 创建的比较表明它们是相等的。

标签： java regex string unicode outlook

【解决方案1】：

最后，我可以使用“Unicode Regex”删除“Zero Width Space”字符。

String plainEmailBody = new String();
plainEmailBody = emailBodyStr.replaceAll("[\\p{Cf}]", "");

参考查找 Unicode 字符的类别。

Java 中的字符类。

Character 来自 Java 的类列出了所有这些 unicode 类别。

网站： http://www.fileformat.info/

网站： http://www.regular-expressions.info/ => Unicode 正则表达式

注意 1：当我从 Outlook 电子邮件正文 收到此字符串时 - 没有我的问题中列出的方法有效。 p>

我的应用程序正在从外部系统接收字符串 (Outlook)，所以我无法控制它。

注意 2： 这个 SO answer 帮助我了解了 Unicode 正则表达式。

【讨论】：