非 Ascii 字符的 Java 正则表达式

【问题标题】：Java regex for NonAsciiCharacters非 Ascii 字符的 Java 正则表达式
【发布时间】：2019-01-10 17:42:25
【问题描述】：

我正在使用这个小sn-p。

string.replaceAll("[^\\p{ASCII}]","")

我想删除或移除 nonAsciiCharacters，但我有一个问题，例如以下字符串正在被撕裂

final String myString = "cada dia es más cercano a Dios.";

但是 á 正在被删除，这是 225 Ascii 字符，我认为这个正则表达式将替换所有 NON-ASCII 但 á 是 ascii 字符，这是为什么？

也许我都搞错了。

【问题讨论】：

【解决方案1】：

á (a-acute) 不是 ASCII 字符集的一部分。这是一个 Unicode Character 'LATIN SMALL LETTER A WITH ACUTE' (U+00E1) 字符，是 Latin-1 Supplement UTF-8 块的一部分。

运行可以看到：

"á".codePoints()
   .mapToObj(Integer::toHexString)
   .forEach(System.out::println); // e1

要保留á，您可以在模式中专门将此字符列入白名单

string.replaceAll("[^\\p{ASCII}á]", "")

或将更大的组列入白名单，例如p{L} 包含所有字母

【讨论】：