Java正則表達式匹配基本多語言平面以外的字符

Question

如何在java中從unicode基本多語言平面之外匹配字符（打算移除它們）？

Answer 1

要刪除所有非BMP字符，下面應該工作：

String sanitizedString = inputString.replaceAll("[^\u0000-\uFFFF]", ""); 

Answer 2

您是否正在尋找特定字符或BMP以外的所有字符？

如果是前者，你可以使用一個StringBuilder構建從更高層面包含代碼點的字符串，正則表達式將會按預期：

String test = new StringBuilder().append("test").appendCodePoint(0x10300).append("test").toString(); 
    Pattern regex = Pattern.compile(new StringBuilder().appendCodePoint(0x10300).toString()); 

    Matcher matcher = regex.matcher(test); 
    matcher.find(); 
    System.out.println(matcher.start()); 

如果你正在尋找去除所有非從字符串中的字符-BMP，然後我會使用StringBuilder，而不是直接的正則表達式：

StringBuilder sb = new StringBuilder(test.length()); 
    for (int ii = 0 ; ii < test.length() ;) 
    { 
    int codePoint = test.codePointAt(ii); 
    if (codePoint > 0xFFFF) 
    { 
     ii += Character.charCount(codePoint); 
    } 
    else 
    { 
     sb.appendCodePoint(codePoint); 
     ii++; 
    } 
    }