var str="INFO] :谷���新道, ひば���ヶ丘2丁���, ひばりヶ���, 東久留米市 (Higashikurume)";
и мне нужно удалить все символы, отличные от ascii, из строки,
означает, что строка содержит только "INFO] (Higashikurume)";
var str="INFO] :谷���新道, ひば���ヶ丘2丁���, ひばりヶ���, 東久留米市 (Higashikurume)";
и мне нужно удалить все символы, отличные от ascii, из строки,
означает, что строка содержит только "INFO] (Higashikurume)";
ASCII находится в диапазоне от 0 до 127, поэтому:
str.replace(/[^\x00-\x7F]/g, "");
Это также можно сделать с положительным утверждением об удалении, например:
textContent = textContent.replace(/[\u{0080}-\u{FFFF}]/gu,"");
Здесь используется юникод. В Javascript при выражении юникода для регулярного выражения символы указываются с помощью escape-последовательности,
\u{xxxx}
но также'u'
должен присутствовать флаг ; обратите внимание, что у регулярного выражения есть флаги'gu'
.Я назвал это «положительным утверждением об удалении» в том смысле, что «положительное» утверждение выражает, какие символы следует удалить, а «отрицательное» утверждение выражает, какие буквы не удалять. Во многих контекстах отрицательное утверждение, как было сказано в предыдущих ответах, может быть более наводящим на читателя. Циркумфлекс "
^
" говорит "не", а диапазон\x00-\x7F
- "ascii", поэтому оба вместе говорят "not ascii".textContent = textContent.replace(/[^\x00-\x7F]/g,"");
Это отличное решение для англоговорящих людей, которым важен только английский язык, а также прекрасный ответ на исходный вопрос. Но в более общем контексте нельзя всегда принять культурную предвзятость предположения, что «все не-ascii - это плохо». Для контекстов, в которых используется не ascii, но иногда его необходимо исключить, положительное утверждение Unicode лучше подходит.
Хорошим признаком того, что непечатаемые символы нулевой ширины встроены в строку, является то, что свойство "length" строки положительно (не равно нулю), но выглядит как пустая строка (т.е. печатается как). Например, в отладчике Chrome для переменной с именем «textContent» отображалось следующее:
> textContent "" > textContent.length 7
Это побудило меня посмотреть, что было в этой строке.
> encodeURI(textContent) "%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B"
Эта последовательность байтов, похоже, принадлежит семейству некоторых символов Unicode, которые текстовые процессоры вставляют в документы, а затем попадают в поля данных. Чаще всего эти символы встречаются в конце документа. Пробел нулевой ширины
"%E2%80%8B"
может быть вставлен CK-Editor (CKEditor).encodeURI() UTF-8 Unicode html Meaning ----------- -------- ------- ------- ------------------- "%E2%80%8B" EC 80 8B U 200B ​ zero-width-space "%E2%80%8E" EC 80 8E U 200E ‎ left-to-right-mark "%E2%80%8F" EC 80 8F U 200F ‏ right-to-left-mark
Некоторые ссылки на те:
http://www.fileformat.info/info/unicode/char/200B/index.htm
https://en.wikipedia.org/wiki/Left-to-right_mark
Обратите внимание, что, хотя кодировка встроенного символа - UTF-8, кодировка в регулярном выражении - нет. Хотя символ встроен в строку как три байта (в моем случае) UTF-8, инструкции в регулярном выражении должны использовать двухбайтовый Unicode. Фактически, UTF-8 может иметь длину до четырех байтов; он менее компактен, чем Unicode, потому что он использует старший бит (или биты), чтобы избежать стандартной кодировки ascii. Это объясняется здесь:
https://en.wikipedia.org/wiki/UTF-8
источник
textContent = textContent.replace(/[\u{0080}-\u{FFFF}]/gu,"");
не работает в IE (по крайней мере, IE 11). Сбой с ошибкой: SCRIPT5021 : Недопустимый диапазон в наборе символовВы можете использовать следующее регулярное выражение для замены символов, отличных от ASCII.
str = str.replace(/[^A-Za-z 0-9 \.,\?""!@#\$%\^&\*\(\)-_=\+;:<>\/\\\|\}\{\[\]`~]*/g, '')
Однако обратите внимание, что пробелы, двоеточия и запятые являются действительными ASCII, поэтому результат будет
> str "INFO] :, , , (Higashikurume)"
источник
[]
означают любой символ, но имеют в[^]
виду противоположное - соответствуют любому символу, не указанному в скобках.Ни один из этих ответов не обрабатывает вкладки, символы новой строки, возврат каретки, а некоторые не обрабатывают расширенный ASCII и unicode. Это СОХРАНИТ табуляции и символы новой строки, но удалит управляющие символы и все, что находится в наборе ASCII. Нажмите кнопку «Запустить этот фрагмент кода» для проверки. По трубопроводу выходит новый javascript, поэтому в будущем (2020+?) Вам, возможно, придется это сделать,
\u{FFFFF}
но еще неconsole.log("line 1\nline2 \n\ttabbed\nF̸̡̢͓̳̜̪̟̳̠̻̖͐̂̍̅̔̂͋͂͐l̸̢̹̣̤̙͚̱͓̖̹̻̣͇͗͂̃̈͝a̸̢̡̬͕͕̰̖͍̮̪̬̍̏̎̕͘ͅv̸̢̛̠̟̄̿i̵̮͌̑ǫ̶̖͓͎̝͈̰̹̫͚͓̠̜̓̈́̇̆̑͜ͅ".replace(/[\x00-\x08\x0E-\x1F\x7F-\uFFFF]/g, ''))
источник
Чтобы использовать ASCII с акцентами:
var str = str.replace(/[^\x00-\xFF]/g, "");
источник