Java - 替换所有非 ASCII 但保留 HTML 特殊字符

Question

如果我有一个字符串

String mine = "Some Name ® plus encoding issue ????? \u0000 something ";

我想保留所有 ASCII 字符和 HTML 实体，但删除任何其他编码。

我试过了

mine.replaceAll("[^\\x00-\\x7F]", ""); 

但这会删除商标和版权等内容

有没有办法保留 HTML 实体但删除所有其他编码？

Answer 1

您可以使用 \\p{ASCII} 属性:

mine = mine.replaceAll("[^\\p{ASCII}]+", "");

或者使用\\P{ASCII}:

mine = mine.replaceAll("\\P{ASCII}+", "");