java - probar - ¿Cómo filtrar la cadena de caracteres no deseados utilizando expresiones regulares?

validar expresiones regulares c++

Question

Básicamente, me pregunto si hay una clase o método útil para filtrar una cadena de caracteres no deseados. La salida del método debe ser la cadena ''limpia''. Es decir:

String dirtyString = "This contains spaces which are not allowed"

String result = cleaner.getCleanedString(dirtyString);

El resultado esperado sería:

"Thiscontainsspaceswhicharenotallowed"

Un mejor ejemplo:

String reallyDirty = " this*is#a*&very_dirty&String"

String result = cleaner.getCleanedString(dirtyString);

Espero que el resultado sea:

"thisisaverydirtyString"

Porque, le digo al limpiador que '''', ''*'', ''#'', ''&'' y ''_'' son caracteres sucios. Puedo resolverlo usando una lista de caracteres de lista blanca / negra. Pero no quiero reinventar la rueda.

Me preguntaba si ya existe tal cosa que pueda "limpiar" las cadenas con una expresión regular. En lugar de escribir esto yo mismo.

Adición: si crees que limpiar una Cuerda se podría hacer de manera diferente / mejor, entonces yo también lo soy todo.

Otra adición: - No es solo para espacios, sino para cualquier tipo de personaje.

Answer 1

Editado basado en su actualización:

dirtyString.replaceAll("[^a-zA-Z0-9]","")

Answer 2

Esto lo hará:

String dirtyString = "This contains spaces which are not allowed";
String result = dirtyString.replaceAll("//s", "");

y funciona reemplazando todos los espacios en blanco con "nada".

Answer 3

Si está utilizando guava en su proyecto (y si no lo está, creo que debería considerarlo), la clase CharMatcher maneja esto muy bien:

Tu primer ejemplo podría ser:

result = CharMatcher.WHITESPACE.removeFrom(dirtyString);

mientras que tu segundo podría ser:

result = CharMatcher.anyOf(" *#&").removeFrom(dirtyString);
// or alternatively
result = CharMatcher.noneOf(" *#&").retainFrom(dirtyString);

o si quieres ser más flexible con los espacios en blanco (pestañas, etc.), puedes combinarlos en lugar de escribir los tuyos:

CharMatcher illegal = CharMatcher.WHITESPACE.or(CharMatcher.anyOf("*#&"));
result = illegal.removeFrom(dirtyString);

o en su lugar, puede especificar caracteres legales, que según sus requisitos podrían ser:

CharMatcher legal = CharMatcher.JAVA_LETTER; // based on Unicode char class
CharMatcher legal = CharMatcher.ASCII.and(CharMatcher.JAVA_LETTER); // only letters which are also ASCII, as your examples
CharMatcher legal = CharMatcher.inRange(''a'', ''z''); // lowercase only
CharMatcher legal = CharMatcher.inRange(''a'', ''z'').or(CharMatcher.inRange(''A'', ''Z'')); // either case

seguido de retainFrom(dirtyString) como se retainFrom(dirtyString) arriba.

Muy bonito, potente API.

Answer 4

También prefiero el enfoque de lista blanca. Nunca sabrás lo que viene. Parece que hay más codificaciones que caracteres. De esta manera puedes controlarlo todo:

public String convert(String s) {
  s = StringUtils.removePattern(s, "[^A-Za-zäöüÄÖÜß?!$,. 0-9//-//+//*//?=&%//$§/"//!//^#:;,_²³°//[//]//{//}<>//|~]''`''");
  return s.trim();
}

Esto contiene todas las diéresis alemanas y acentos franceses y ... ya sabes, basta con mirar el teclado. Creo que los escogí a todos. Siéntase libre de omitir caracteres especiales como <> para evitar la inyección de código ...

Answer 5

Utilice replaceAll .

Answer 6

String resultString = subjectString.replaceAll("//P{L}+", "");

reemplazará cualquier carácter que no sea letra por nada.