Comment les caractères non-ASCII peuvent-ils être supprimés d'une chaîne de caractères?

Question

J'ai des chaînes "A função", "Ãugent" dans lesquelles je dois remplacer des caractères comme ç, ã, et Ã par des chaînes vides.

Comment puis-je supprimer ces caractères non-ASCII de ma chaîne ?

J'ai essayé d'implémenter cela en utilisant la fonction suivante, mais cela ne fonctionne pas correctement. Un problème est que les caractères indésirables sont remplacés par le caractère espace.

public static String matchAndReplaceNonEnglishChar(String tmpsrcdta) {
    String newsrcdta = null;
    char array[] = Arrays.stringToCharArray(tmpsrcdta);
    if (array == null)
        return newsrcdta;

    for (int i = 0; i < array.length; i++) {
        int nVal = (int) array[i];
        boolean bISO =
                // Est-ce un caractère de contrôle ISO
                Character.isISOControl(array[i]);
        boolean bIgnorable =
                // Est-ce un identifiant ignoré
                Character.isIdentifierIgnorable(array[i]);
        // Supprimer le tabulation et d'autres caractères indésirables..
        if (nVal == 9 || bISO || bIgnorable)
            array[i] = ' ';
        else if (nVal > 255)
            array[i] = ' ';
    }
    newsrcdta = Arrays.charArrayToString(array);

    return newsrcdta;
}

Answer 1

Cela recherchera et remplacera toutes les lettres non ASCII :

String resultString = subjectString.replaceAll("[^\\x00-\\x7F]", "");

Answer 2

La réponse de FailedDev est bonne, mais peut être améliorée. Si vous souhaitez préserver les équivalents ascii, vous devez d'abord normaliser :

String subjectString = "öäü";
subjectString = Normalizer.normalize(subjectString, Normalizer.Form.NFD);
String resultString = subjectString.replaceAll("[^\\x00-\\x7F]", "");

=> produira "oau"

De cette façon, des caractères comme "öäü" seront transformés en "oau", ce qui préserve au moins certaines informations. Sans normalisation, la chaîne résultante sera vide.

Answer 3

Ceci serait la solution Unicode

String s = "A função, Ãugent";
String r = s.replaceAll("\\P{InBasic_Latin}", "");

\p{InBasic_Latin} est le bloc Unicode qui contient toutes les lettres dans la plage Unicode U+0000..U+007F (voir regular-expressions.info)

\P{InBasic_Latin} est la négation de \p{InBasic_Latin}

Answer 4

Vous pouvez essayer quelque chose comme ça. La plage de caractères spéciaux pour les alphabets commence à partir de 192, donc vous pouvez éviter de tels caractères dans le résultat.

String name = "A função";

StringBuilder result = new StringBuilder();
for(char val : name.toCharArray()) {
    if(val < 192) result.append(val);
}
System.out.println("Résultat "+result.toString());

Answer 5

Ou vous pouvez utiliser la fonction ci-dessous pour supprimer les caractères non-ascii de la chaîne. Vous apprendrez le fonctionnement interne.

private static String removeNonASCIIChar(String str) {
    StringBuffer buff = new StringBuffer();
    char chars[] = str.toCharArray();

    for (int i = 0; i < chars.length; i++) {
        if (0 < chars[i] && chars[i] < 127) {
            buff.append(chars[i]);
        }
    }
    return buff.toString();
}