1. 引言
非打印的Unicode字符包括控制字符、样式标记和其他在文本中可见但不显示的符号。这些字符可能会导致文本处理、显示和保存出现问题。因此，我们需要方法来根据需要替换或移除这些字符。
在这篇教程中，我们将探讨替换它们的不同方法。
2. 使用正则表达式
Java的String类提供了强大的文本处理方式，而正则表达式（/regular-expressions-java）为我们提供了一种快速匹配和替换字符串模式的方法。我们可以使用简单的模式来查找并替换非打印的Unicode字母，如下所示：
@Test
public void givenTextWithNonPrintableChars_whenUsingRegularExpression_thenGetSanitizedText() {
String originalText = "\n\nWelcome \n\n\n\tto Baeldung!\n\t";
String expected = "Welcome to Baeldung!";
String regex = "[\\p{C}]";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(originalText);
String sanitizedText = matcher.replaceAll("");
assertEquals(expected, sanitizedText);
}
在这个测试方法中，正则表达式\p{C}表示给定的originalText中的任何控制字符（非打印Unicode字符）。我们首先使用Pattern.compile(regex)方法将正则表达式编译为模式，然后通过将originalText作为参数传递给这个模式创建一个Matcher对象。
然后，我们调用Matcher.replaceAll()方法，将所有匹配到的控制字符替换为空字符串，从而从源文本中删除它们。最后，我们使用assertEquals()方法比较simplifiedText与预期的字符串。
3. 自定义实现
我们还可以采用另一种方法，遍历文本中的每个字符并根据其数值移除特殊Unicode字符。让我们看一个简单示例：
@Test
public void givenTextWithNonPrintableChars_whenCustomImplementation_thenGetSanitizedText() {
String originalText = "\n\nWelcome \n\n\n\tto Baeldung!\n\t";
String expected = "Welcome to Baeldung!";
StringBuilder strBuilder = new StringBuilder();
originalText.codePoints().forEach((i) -> {
if (i >= 32 && i != 127) {
strBuilder.append(Character.toChars(i));
}
});
assertEquals(expected, strBuilder.toString());
}
这里，我们使用originalText.codePoints()和forEach循环遍历原始文本的Unicode代码。接着，我们设置条件，排除值小于32和等于127的字符，分别代表非打印和控制字符。
然后，我们使用strBuilder.append(Character.toChars(i))方法将字符添加到StringBuilder对象中。
4. 总结
总之，本教程深入探讨了如何处理书面文本中非打印Unicode字符带来的挑战。研究涵盖了利用Java String类中的正则表达式和实施自定义解决方案的两种不同方法。
如往常一样，本文的完整代码示例可在GitHub上找到。