删除不可打印的字符

Question

好的，所以我一直在用头撞桌子。

我正在导入一个由 Indesign 导出的 XML 文件。这会解析它并根据输入创建一个文件。 （我正在用 Node 构建一个 JS 应用程序）

这个文件在我的 PHPStorm IDE 中看起来不错。但是当我在 gedit 中打开它时，我会在这里和那里看到一些不需要的换行符。

我设法找到了这个字符：->
<-（它确实存在 - 将它复制到某处并使用箭头键将光标移动到它上面。它卡在中间）。

十六进制编辑器查看的这个字符显示它是0x80 0xE2 0xA9

当我尝试使用简单的 javascript 替换来替换它时；

data = data.replace('
', ''); //There IS a character in the left one. Trust me.

我收到以下解析错误；

在 vim 中，它在该位置显示以下字符； ~@�

我将如何从我的输出中删除它？转义 JS 代码中的字符导致它编译得很好，但是奇怪的字符仍然存在。我没有想法。

Answer 1

您需要使用 '\u2029' 作为搜索字符串。您尝试替换的序列是 InDesign 插入的“段落分隔符”Unicode 字符。

所以：

string.replace('\u2029', '');

而不是角色本身。

Answer 2

String.replace() 并不完全按照您的想法工作。你使用它的方式，它只会替换第一次出现：

> "abc abc abc".replace("a", "x");
'xbc abc abc'

您需要添加g（全局）标志，唯一的标准方法是使用正则表达式作为匹配：

> "abc abc abc".replace(/a/g, "x");
'xbc xbc xbc'

您可以查看Fastest method to replace all instances of a character in a string for 进一步的想法。

---

search for 0x80 0xE2 0xA9 as UTF-8 显示该角色不存在，但它可能是 a mistype for 0xE2 0x80 0xA9，它对应于 'PARAGRAPH SEPARATOR' (U+2029)，正如 Goran 在他的回答中指出的那样。只要您的所有工具集都正确配置为使用 UTF-8，您通常不需要将外来字符编码为 JavaScript \u#### 引用，但在这种情况下，JavaScript 引擎将其视为换行符，并且触发语法错误，因为您不允许在 JavaScript 字符串中使用换行符。