NonAsciiCharacters 的 Java 正则表达式

Question

我正在使用这个小片段。string.replaceAll("[^\\p{ASCII}]","")我想删除或删除 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？也许我都弄错了。

Answer 1

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

你可以通过运行看到它：

"á".codePoints()

   .mapToObj(Integer::toHexString)

   .forEach(System.out::println); // e1

为了保持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