无法去除无效的unicode字符java

Question

我的数据需要在其他各种应用程序中进一步处理之前进行清理。在这个过程中，下游应用程序之一只允许一定范围的 Unicode 字符。以下是我用来去除无效 Unicode 字符的正则表达式。

/[^\u0009\u000a\u000d\u0020-\uD7FF\uE000-\uFFFD]/

但是，我仍然无法让正则表达式在 Java 中工作。是否有处理上述正则表达式的特殊方法，因为它包含一系列 Unicode 字符？

更新： 这就是我测试的方式，但似乎并没有按照@Andreas 建议的方式工作：

public void testStripUnicode() {
        String doc = "{\"fields\":{\"field1\":\"unicode char '\\u000b'\",\"field2\":[\"unicode char '\\u0003'\"]}}";
        String stripped = DocumentCleaner.clean(doc);
        System.out.println(doc);
        System.out.println(stripped);
    }

文档
{"fields":{"field1":"unicode char '\u000b'","field2":["unicode char '\u0003'"]}} 剥离文档
{"fields":{"field1":"unicode char '\u000b'","field2":["unicode char '\u0003'"]}}

Answer 1

应该没问题，只需去掉斜线 / 并将反斜线加倍 \：

String regex = "[^\\u0009\\u000a\\u000d\\u0020-\\uD7FF\\uE000-\\uFFFD]";
String stripped = value.replaceAll(regex, "");

或者如果你反复这样做，你可以先解析一次正则表达式：

// Prepare regular expression
Pattern p = Pattern.compile("[^\\u0009\\u000a\\u000d\\u0020-\\uD7FF\\uE000-\\uFFFD]");

// Use regular expression
String stripped = p.matcher(value).replaceAll("");