নিম্নলিখিত ASCII নিয়ন্ত্রণ অক্ষর প্রতিস্থাপন করবে (এর জন্য শর্টহ্যান্ড [\x00-\x1F\x7F]):
my_string.replaceAll("\\p{Cntrl}", "?");
নীচে বর্ণিত অক্ষরগুলি [\p{Graph}\x20]সহ সমস্ত ASCII অন-প্রিন্টযোগ্য অক্ষর (শর্টহ্যান্ড ) প্রতিস্থাপন করবে :
my_string.replaceAll("[^\\p{Print}]", "?");
যাইহোক, উভয়ই ইউনিকোড স্ট্রিংয়ের জন্য কাজ করে না। ইউনিকোড স্ট্রিং থেকে প্রিন্টযোগ্য অক্ষরগুলি মুছে ফেলার জন্য কারও কি ভাল উপায় আছে?
উত্তর:
my_string.replaceAll("\\p{C}", "?");
ইউনিকোড রেজেক্স সম্পর্কে আরও দেখুন । java.util.regexPattern/ String.replaceAllতাদের সমর্থন করে।
char c = 0xFFFA; String.valueOf(c).replaceAll("\\p{C}", "?");প্যাটার্ন লুকের জন্য জাভাদকটিতেও বলেছে যে এটি বিভাগগুলি সমর্থন করে
s.replaceAll("[\\p{C}\\p{Z}]", "")হবে
replaceAll("[^\\u0000-\\uFFFF]", "")কিন্তু কোনও সাফল্য
ওপ ডি সির্কেল বেশিরভাগ ক্ষেত্রেই সঠিক। তাঁর পরামর্শ বেশিরভাগ ক্ষেত্রে কার্যকর হবে:
myString.replaceAll("\\p{C}", "?");
তবে যদি myStringবিএমপিবিহীন কোডপয়েন্ট থাকতে পারে তবে এটি আরও জটিল। \p{C}এর সারোগেট কোডপয়েন্ট রয়েছে \p{Cs}। উপরের প্রতিস্থাপনের পদ্ধতিটি কখনও কখনও সার্গেট জুটির অর্ধেকটি প্রতিস্থাপন করে নন-বিএমপি কোডপয়েন্টগুলিকে দূষিত করে দেয়। এটি ইচ্ছাকৃত আচরণের চেয়ে জাভা বাগ is
অন্যান্য উপাদান বিভাগগুলি ব্যবহার করা একটি বিকল্প:
myString.replaceAll("[\\p{Cc}\\p{Cf}\\p{Co}\\p{Cn}]", "?");
যাইহোক, একা সারোগেট অক্ষরগুলি কোনও জোড়ের অংশ নয় (প্রতিটি সারোগেট চরিত্রের একটি নির্ধারিত কোডপয়েন্ট রয়েছে) সরানো হবে না। সঠিকভাবে পরিচালনা করার জন্য আমি জানি কেবলমাত্র একটি রেজিেক্স পদ্ধতির \p{C}:
StringBuilder newString = new StringBuilder(myString.length());
for (int offset = 0; offset < myString.length();)
{
int codePoint = myString.codePointAt(offset);
offset += Character.charCount(codePoint);
// Replace invisible control characters and unused code points
switch (Character.getType(codePoint))
{
case Character.CONTROL: // \p{Cc}
case Character.FORMAT: // \p{Cf}
case Character.PRIVATE_USE: // \p{Co}
case Character.SURROGATE: // \p{Cs}
case Character.UNASSIGNED: // \p{Cn}
newString.append('?');
break;
default:
newString.append(Character.toChars(codePoint));
break;
}
}
আপনি ইউনিকোড বিভাগগুলিতে "অন্যান্য, নিয়ন্ত্রণ" এবং সম্ভবত "অন্যান্য, ফর্ম্যাট" - এ আগ্রহী হতে পারেন (দুর্ভাগ্যক্রমে যেটি অক্ষর এবং মুদ্রণযোগ্য অক্ষর উভয়ই ধারণ করে)।
জাভা রেগুলার এক্সপ্রেশনের আপনি তাদের ব্যবহার করার জন্য পরীক্ষা করতে পারবেন \p{Cc}এবং \p{Cf}যথাক্রমে।
আপনার লক্ষ্য জন্য ধাক্কা পদ্ধতি
public static String removeNonAscii(String str)
{
return str.replaceAll("[^\\x00-\\x7F]", "");
}
public static String removeNonPrintable(String str) // All Control Char
{
return str.replaceAll("[\\p{C}]", "");
}
public static String removeSomeControlChar(String str) // Some Control Char
{
return str.replaceAll("[\\p{Cntrl}\\p{Cc}\\p{Cf}\\p{Co}\\p{Cn}]", "");
}
public static String removeFullControlChar(String str)
{
return removeNonPrintable(str).replaceAll("[\\r\\n\\t]", "");
}
আমি এটির জন্য এই সাধারণ ফাংশনটি ব্যবহার করেছি:
private static Pattern pattern = Pattern.compile("[^ -~]");
private static String cleanTheText(String text) {
Matcher matcher = pattern.matcher(text);
if ( matcher.find() ) {
text = text.replace(matcher.group(0), "");
}
return text;
}
আশা করি এটি কার্যকর হবে।
ওপ ডি সির্কেল এবং নোকেজরের উত্তরের ভিত্তিতে , আমি সাধারণ স্ট্রিং পরিষ্কারের জন্য নিম্নলিখিতটি করি: 1. শীর্ষস্থানীয় বা অনুসরণকারী শ্বেতক্ষেত্রগুলি ট্রিমিং, ২ ডস 2 ইউনিক্স, ৩. ম্যাকপুনিক্স, ৪. হোয়াইটস্পেস ব্যতীত সমস্ত "অদৃশ্য ইউনিকোড অক্ষর" অপসারণ:
myString.trim.replaceAll("\r\n", "\n").replaceAll("\r", "\n").replaceAll("[\\p{Cc}\\p{Cf}\\p{Co}\\p{Cn}&&[^\\s]]", "")
স্কালা REPL এর সাথে পরীক্ষিত।
আমি প্রস্তাব দিচ্ছি যে এটি মুদ্রণযোগ্য অক্ষরগুলি প্রতিস্থাপনের পরিবর্তে এটি নীচের মতো মুছে ফেলবে
private String removeNonBMPCharacters(final String input) {
StringBuilder strBuilder = new StringBuilder();
input.codePoints().forEach((i) -> {
if (Character.isSupplementaryCodePoint(i)) {
strBuilder.append("?");
} else {
strBuilder.append(Character.toChars(i));
}
});
return strBuilder.toString();
}
আমি ফোন নম্বরগুলির জন্য কোডটি নতুনভাবে ডিজাইন করেছি +9 (987) 124124 জাভাতে কোনও স্ট্রিং থেকে অঙ্কগুলি বের করুন
public static String stripNonDigitsV2( CharSequence input ) {
if (input == null)
return null;
if ( input.length() == 0 )
return "";
char[] result = new char[input.length()];
int cursor = 0;
CharBuffer buffer = CharBuffer.wrap( input );
int i=0;
while ( i< buffer.length() ) { //buffer.hasRemaining()
char chr = buffer.get(i);
if (chr=='u'){
i=i+5;
chr=buffer.get(i);
}
if ( chr > 39 && chr < 58 )
result[cursor++] = chr;
i=i+1;
}
return new String( result, 0, cursor );
}