Замена управляющих символов Unicode

Если вы хотите удалить все символы в категории Other/Control Unicode, вы можете сделать что-то вроде этого:

    System.out.println(
        "a\u0000b\u0007c\u008fd".replaceAll("\\p{Cc}", "")
    ); // abcd

Обратите внимание, что это фактически удаляет (среди прочего) символ '\u008f' Unicode из строки, а не строку экранированной формы "%8F".

Если черный список не захвачен одним блоком/категорией Unicode, в Java есть мощная арифметика классов символов с пересечением, вычитанием и т. д., которую вы можете использовать. В качестве альтернативы вы также можете использовать отрицательный подход к белому списку, то есть вместо явного указания того, какие символы недопустимы, вы указываете, какие символы являются допустимыми, а все остальное становится недопустимым.

API-ссылки

• java.util.regex.Pattern
• regular-expressions.info/Character Class

Примеры

Вот пример вычитания:

    System.out.println(
        "regular expressions: now you have two problems!!"
            .replaceAll("[a-z&&[^aeiou]]", "_")
    );
    //   _e_u_a_ e___e__io__: _o_ _ou _a_e __o __o__e__!!

[…] – это класс символов. Что-то вроде [aeiou] соответствует одной из строчных гласных. [^…] — это инвертированный класс символов. [^aeiou] соответствует одному из любых, кроме гласных нижнего регистра.

[a-z&&[^aeiou]] соответствует [a-z] за вычетом [aeiou], то есть всех согласных нижнего регистра.

В следующем примере показан подход с отрицательным белым списком:

    System.out.println(
        "regular expressions: now you have two problems!!"
            .replaceAll("[^a-z]", "_")
    );
    //   regular_expressions__now_you_have_two_problems__

Допустимы только строчные буквы a-z; все остальное незаконно.