string - 在 Clojure 中修剪不可打印字符的一般方法

Question

我遇到了一个错误，我无法将两个看似“相同”的字符串匹配在一起。例如，以下两个字符串匹配失败:
“ sample ”和“ sample ”。
要复制该问题，可以在 Clojure 中运行以下命令。

(= "sample" "​sample") ; returns false

经过一个小时的沮丧调试，我发现有一个 零宽度空间在第二个字符串的前面!通过退格从这个特定的例子中删除它是微不足道的。但是，我有一个匹配的字符串数据库，似乎有多个字符串面临这个问题。我的问题是: 在 Clojure 中是否有修剪零宽度空格的通用方法？
我试过的一些方法:

(count (clojure.string/trim "​abc")) ; returns 4

(count (clojure.string/replace "​abc" #"\s" "")) ; returns 4

本帖 Remove zero-width space characters from a JavaScript string确实提供了在此示例中有效的正则表达式解决方案，即

(count (clojure.string/replace "​abc" #"[\u200B-\u200D\uFEFF]" "")) ; returns 3

但是，正如帖子本身所述，还有许多其他潜在的 ascii 字符可能是不可见的。所以我仍然很感兴趣，如果有一种更通用的方法不依赖于列出所有可能的不可见 unicode 符号。

Answer 1

我相信，您所指的是所谓的不可打印字符。基于 this answer在 Java 中，你可以通过 #"\p{C}"正则表达式作为模式到 replace :

(defn remove-non-printable-characters [x]
  (clojure.string/replace x #"\p{C}" ""))

但是，这将删除换行符，例如 \n .所以为了保留这些字符，我们需要一个更复杂的正则表达式:

(defn remove-non-printable-characters [x]
  (clojure.string/replace x #"[\p{C}&&^(\S)]" ""))

此功能将删除不可打印的字符。让我们测试一下:

(= "sample" "​sample")
;; => false

(= (remove-non-printable-characters "sample")
   (remove-non-printable-characters "​sample"))
;; => true

(remove-non-printable-characters "sam\nple")
;; => "sam\nple"

\p{C}讨论模式 here .