如何移除字符串中的不可打印字符及Emoji？现有代码处理Emoji失效

我懂你的困扰——你写的代码能去掉不可打印字符，但对Emoji完全没效果对吧？这是因为\p{C}这个正则只匹配Unicode里的控制字符类（比如换行、制表符这类看不见的字符），而Emoji属于可见的图形字符，不在这个范畴里。

修正后的解决方案 #

我们只需要把Emoji的匹配规则加到正则里，就能同时处理不可打印字符和Emoji了。这里直接用Unicode提供的\p{Emoji}类来匹配所有标准Emoji：

public static String removeNonPrintableAndEmojis(String str) {
    if (TextUtils.isEmpty(str)) {
        return str;
    }
    // 同时匹配不可打印控制字符 + 所有Emoji
    String regex = "[\\p{C}\\p{Emoji}]";
    return str.replaceAll(regex, "");
}

代码解释 #

• \p{C}：保留你原来的逻辑，负责移除所有不可打印的控制字符
• \p{Emoji}：匹配Unicode标准定义的所有Emoji字符，包括单个表情（😀）、带颜色的表情（❤️）等
• 把两者放在[]里，就表示匹配任意属于这两类的字符，然后替换为空串完成移除

测试你的示例 #

• 输入：L'alphabet est génial 😀! → 输出：L'alphabet est génial !
• 输入：Ça c'est du cœur ❤️ :) ! → 输出：Ça c'est du cœur :) !

如果遇到一些组合型Emoji（比如👨‍👩‍👧这种由多个字符组合成的表情），可以用更全面的正则来覆盖：

String regex = "[\\p{C}\\p{Emoji}&&[^\\p{Letter}\\p{Number}\\p{Punctuation}\\p{Symbol}]]";

不过日常使用中，基础版本的正则已经足够处理绝大多数场景了。

内容的提问来源于stack exchange，提问作者anthony