匹配不可打印/非ascii字符并从文本中删除

Question

我的JavaScript非常生疏,所以对此的任何帮助都会很棒.我要求检测不可打印的字符(控制字符,如SOH,BS等)以及扩展的ascii字符,如字符串中的Ž并删除它们但我不知道如何编写代码？

任何人都能指出我正确的方向来解决这个问题吗？这是我到目前为止:

$(document).ready(function() {
    $('.jsTextArea').blur(function() {
        var pattern = /[^\000-\031]+/gi;
        var val = $(this).val();
        if (pattern.test(val)) {    
        for (var i = 0; i < val.length; i++) {
            var res = val.charAt([i]);
                alert("Character " + [i] + " " + res);              
        }          
    }
    else {
         alert("It failed");
     }

    });
});

Answer 1

要定位不属于可打印基本ASCII范围的字符,可以使用这个简单的正则表达式:

[^ -~]+

说明:在ASCII表的前128个字符中,可打印范围以空格字符开头,以波浪号结束.这些是您要保留的字符.该范围用[ -~],表示不在该范围内的字符[^ -~].这些是我们想要替换的.因此:

result = string.replace(/[^ -~]+/g, "");

Answer 2

无需测试,可以直接处理文本框内容:

textBoxContent = textBoxContent.replace(/[^\x20-\x7E]+/g, '');

范围\x20-\x7E涵盖ascii表的可打印部分.

代码示例:

$('.jsTextArea').blur(function() {
    this.value = this.value.replace(/[^\x20-\x7E]+/g, '');
});

Answer 3

对于任何正在寻找超越 ascii 且不删除 Unicode 字符的解决方案的人：

function stripNonPrintableAndNormalize(text) {
    // strip control chars
    text = text.replace(/\p{C}/gu, '');

    // other common tasks are to normalize newlines and other whitespace

    // normalize newline
    text = text.replace(/\n\r/g, '\n');
    text = text.replace(/\p{Zl}/gu, '\n');
    text = text.replace(/\p{Zp}/gu, '\n');

    // normalize space
    text = text.replace(/\p{Zs}/gu, ' ');

    return text;
}

各种 unicode 类标识符（例如行分隔符）在https://www.unicode.org/reports/tr44/#GC_Values_TableZl中定义，如下所示：

缩写	长的	描述
鲁	大写字母	一个大写字母
二	小写字母	一个小写字母
LT	Titlecase_字母	双字字符，第一部分大写
液相色谱	装箱信	卢 | Ll | LT
勒姆	修饰符_字母	修饰字母
洛	其他_信件	其他字母，包括音节和表意文字
L	信	卢 | Ll | LT | LM | 洛
锰	非间距_标记	非间距组合标记（零前进宽度）
麦克	间距_标记	间距组合标记（正前进宽度）
我	封闭_标记	封闭的组合标记
中号	标记	锰| 麦克 | 我
钕	小数_数字	一个十进制数字
尼	字母_数字	类似字母的数字字符
不	其他号码	其他类型的数字字符
氮	数字	ND | 尼| 不
个人电脑	连接器_标点符号	连接标点符号，如领带
钯	Dash_标点符号	破折号或连字符标点符号
PS	打开_标点符号	（一对）开头标点符号
佩	关闭_标点符号	（一对）结束标点符号
圆周率	初始标点符号	开头的引号
普夫	Final_标点符号	最后的引号
宝	其他_标点符号	其他类型的标点符号
磷	标点	电脑| 钯| 附：| 佩| 圆周率 | 普夫| 宝
钐	数学符号	数学应用的符号
钪	货币_符号	货币符号
斯克	修饰符_符号	非字母修饰符号
所以	其他_符号	其他类型的符号
S	象征	SM | 科学| SK | 所以
Zs	空格分隔符	空格字符（各种非零宽度）
Zl	行分隔符	仅 U+2028 行分隔符
Zp	段落分隔符	U+2029 仅段落分隔符
Z	分隔器	Zs | Zl | Zp
抄送	控制	C0 或 C1 控制代码
CF	格式	格式控制字符
CS	代理人	代理代码点
钴	私人使用	私人使用的角色
中文	未分配	保留的未分配代码点或非字符
C	其他	抄送 | 比照| 铯 | 有限公司 | 中文