Question

var str="INFO] :谷���新道, ひば���ヶ丘２丁���, ひばりヶ���, 東久留米市 (Higashikurume)";

我需要从字符串中删除所有非ascii字符，

表示str只包含＆＃34; INFO]（Higashikurume）＆＃34 ;;

Answer 1

ASCII的范围是0到127，所以：

str.replace(/[^\x00-\x7F]/g, "");

Answer 2

也可以通过正面断言来完成，如下所示：

textContent = textContent.replace(/[\u{0080}-\u{FFFF}]/gu,"");

这使用unicode。在Javascript中，当表达正则表达式的unicode时，字符用转义序列\u{xxxx}指定，但标志'u'必须存在;请注意，正则表达式具有标记'gu'。

我称之为＆＃34;正面断言＆＃34;从某种意义上讲，这是一个积极的＆＃34;断言表示要删除哪些字符，而＃34;否定＆＃34;断言表示哪些字母不删除。在许多情况下，如先前答案中所述，否定主张可能对读者更具启发性。旋律＆＃34; ^＆＃34;说＆＃34;不是＆＃34;范围\x00-\x7F表示＆＃34; ascii，＆＃34;所以两人一起说'＃34;不是ascii。＆＃34;

textContent = textContent.replace(/[^\x00-\x7F]/g,"");

对于只关心英语的英语使用者而言，这是一个很好的解决方案，对于原始问题也是一个很好的答案。但是在更一般的背景下，人们不能总是接受假设的文化偏见＆＃34;所有非ascii都是坏的。＆＃34;对于使用非ascii但偶尔需要删除的上下文，Unicode的正面断言更适合。

一个很好的迹象表明字符串中嵌入了零宽度，非打印字符，这是字符串＆＃34; s＆＃34;长度＆＃34;属性为正（非零），但看起来像（即打印为）空字符串。例如，我在Chrome调试器中显示了一个名为＆＃34; textContent＆＃34;的变量：

> textContent
""
> textContent.length
7

这促使我想要查看该字符串中的内容。

> encodeURI(textContent)
"%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B%E2%80%8B"

这个字节序列似乎属于某些Unicode字符的族，这些字符由字处理器插入到文档中，然后进入数据字段。最常见的是，这些符号出现在文档的末尾。 CK-Editor（CKEditor）可能会插入零宽度空间"%E2%80%8B"。

encodeURI()  UTF-8     Unicode  html     Meaning
-----------  --------  -------  -------  -------------------
"%E2%80%8B"  EC 80 8B  U 200B   &#8203;  zero-width-space
"%E2%80%8E"  EC 80 8E  U 200E   &#8206;  left-to-right-mark
"%E2%80%8F"  EC 80 8F  U 200F   &#8207;  right-to-left-mark

关于这些的一些参考：

http://www.fileformat.info/info/unicode/char/200B/index.htm

https://en.wikipedia.org/wiki/Left-to-right_mark

请注意，虽然嵌入字符的编码是UTF-8，但正则表达式中的编码不是。尽管字符在字符串中嵌入了UTF-8的三个字节（在我的例子中），但正则表达式中的指令必须使用双字节Unicode。实际上，UTF-8最长可达4个字节;它不如Unicode那么紧凑，因为它使用高位（或位）来逃避标准的ascii编码。这里解释了：

https://en.wikipedia.org/wiki/UTF-8

Answer 3

您可以使用以下正则表达式替换非ASCII字符

str = str.replace(/[^A-Za-z 0-9 \.,\?""!@#\$%\^&\*\(\)-_=\+;:<>\/\\\|\}\{\[\]`~]*/g, '')

但请注意，空格，冒号和逗号都是有效的ASCII，因此结果为

> str
"INFO] :, , ,  (Higashikurume)"

Answer 4

使用带重音符号的ASCII：

var str = str.replace(/[^\x00-\xFF]/g, "");

Answer 5

这些答案均不能正确处理制表符，换行符，回车符，并且某些不能处理扩展的ASCII和unicode。这将保留制表符和换行符，但会删除控制字符和ASCII集中的所有内容。点击“运行此代码段”按钮进行测试。有一些新的javascript即将发布，因此在将来（2020年以后？），您可能需要做\u{FFFFF}，但尚未完成

console.log("line 1\nline2 \n\ttabbed\nF̸̡̢͓̳̜̪̟̳̠̻̖͐̂̍̅̔̂͋͂͐l̸̢̹̣̤̙͚̱͓̖̹̻̣͇͗͂̃̈͝a̸̢̡̬͕͕̰̖͍̮̪̬̍̏̎̕͘ͅv̸̢̛̠̟̄̿i̵̮͌̑ǫ̶̖͓͎̝͈̰̹̫͚͓̠̜̓̈́̇̆̑͜ͅ".replace(/[\x00-\x08\x0E-\x1F\x7F-\uFFFF]/g, ''))

Answer 6

快速Google搜索会在StackOverflow上返回这篇文章：

trim non-ascii characters from string returned by nodejs crypto

我不会赞同答案，但是，您可以使用此正则表达式替换非ascii字符：

str.replace(/[^A-Za-z 0-9 \.,\?""!@#\$%\^&\*\(\)-_=\+;:<>\/\\\|\}\{\[\]`~]*/g, '') ;

Answer 7

str = str.replace(/[\u{0080}-\u{10FFFF}]/gu,"");

删除字符串中的非ascii字符

7 个答案: