Question

求一去乱码、汉字的正则表达式

Index Terms—Drain section, pseudo-2-D, SOI MOSFET model.h?蒚

像上面的字符串，如何用正则表达式去掉不是英文字母、划线、标点符号之外的乱码和汉字？？

Answer 1

\p{ASCII}

正则表达式的构造摘要
构造 匹配

字符
x 字符 x
\\ 反斜线字符
\0n 带有八进制值 0 的字符 n (0 <= n <= 7)
\0nn 带有八进制值 0 的字符 nn (0 <= n <= 7)
\0mnn 带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7）
\xhh 带有十六进制值 0x 的字符 hh
\uhhhh 带有十六进制值 0x 的字符 hhhh
\t 制表符 ('\u0009')
\n 新行（换行）符 ('\u000A')
\r 回车符 ('\u000D')
\f 换页符 ('\u000C')
\a 报警 (bell) 符 ('\u0007')
\e 转义符 ('\u001B')
\cx 对应于 x 的控制符

字符类
[abc] a、b 或 c（简单类）
[^abc] 任何字符，除了 a、b 或 c（否定）
[a-zA-Z] a 到 z 或 A 到 Z，两头的字母包括在内（范围）
[a-d[m-p]] a 到 d 或 m 到 p：[a-dm-p]（并集）
[a-z&&[def]] d、e 或 f（交集）
[a-z&&[^bc]] a 到 z，除了 b 和 c：[ad-z]（减去）
[a-z&&[^m-p]] a 到 z，而非 m 到 p：[a-lq-z]（减去）

预定义字符类
. 任何字符（与行结束符可能匹配也可能不匹配）
\d 数字：[0-9]
\D 非数字： [^0-9]
\s 空白字符：[ \t\n\x0B\f\r]
\S 非空白字符：[^\s]
\w 单词字符：[a-zA-Z_0-9]
\W 非单词字符：[^\w]

POSIX 字符类（仅 US-ASCII）
\p{Lower} 小写字母字符：[a-z]
\p{Upper} 大写字母字符：[A-Z]
\p{ASCII} 所有 ASCII：[\x00-\x7F]
\p{Alpha} 字母字符：[\p{Lower}\p{Upper}]
\p{Digit} 十进制数字：[0-9]
\p{Alnum} 字母数字字符：[\p{Alpha}\p{Digit}]
\p{Punct} 标点符号：!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~
\p{Graph} 可见字符：[\p{Alnum}\p{Punct}]
\p{Print} 可打印字符：[\p{Graph}\x20]
\p{Blank} 空格或制表符：[ \t]
\p{Cntrl} 控制字符：[\x00-\x1F\x7F]
\p{XDigit} 十六进制数字：[0-9a-fA-F]
\p{Space} 空白字符：[ \t\n\x0B\f\r]

java.lang.Character 类（简单的 java 字符类型）
\p{javaLowerCase} 等效于 java.lang.Character.isLowerCase()
\p{javaUpperCase} 等效于 java.lang.Character.isUpperCase()
\p{javaWhitespace} 等效于 java.lang.Character.isWhitespace()
\p{javaMirrored} 等效于 java.lang.Character.isMirrored()

Unicode 块和类别的类
\p{InGreek} Greek 块（简单块）中的字符
\p{Lu} 大写字母（简单类别）
\p{Sc} 货币符号
\P{InGreek} 所有字符，Greek 块中的除外（否定）
[\p{L}&&[^\p{Lu}]] 所有字母，大写字母除外（减去）

边界匹配器
^ 行的开头
$ 行的结尾
\b 单词边界
\B 非单词边界
\A 输入的开头
\G 上一个匹配的结尾
\Z 输入的结尾，仅用于最后的结束符（如果有的话）
\z 输入的结尾

Greedy 数量词
X? X，一次或一次也没有
X* X，零次或多次
X+ X，一次或多次
X{n} X，恰好 n 次
X{n,} X，至少 n 次
X{n,m} X，至少 n 次，但是不超过 m 次

Reluctant 数量词
X?? X，一次或一次也没有
X*? X，零次或多次
X+? X，一次或多次
X{n}? X，恰好 n 次
X{n,}? X，至少 n 次
X{n,m}? X，至少 n 次，但是不超过 m 次

Possessive 数量词
X?+ X，一次或一次也没有
X*+ X，零次或多次
X++ X，一次或多次
X{n}+ X，恰好 n 次
X{n,}+ X，至少 n 次
X{n,m}+ X，至少 n 次，但是不超过 m 次

Logical 运算符
XY X 后跟 Y
X|Y X 或 Y
(X) X，作为捕获组

Back 引用
\n 任何匹配的 nth 捕获组

引用
\ Nothing，但是引用以下字符
\Q Nothing，但是引用所有字符，直到 \E
\E Nothing，但是结束从 \Q 开始的引用

特殊构造（非捕获）
(?:X) X，作为非捕获组
(?idmsux-idmsux) Nothing，但是将匹配标志由 on 转为 off
(?idmsux-idmsux:X) X，作为带有给定标志 on - off 的非捕获组
(?=X) X，通过零宽度的正 lookahead
(?!X) X，通过零宽度的负 lookahead
(?<=X) X，通过零宽度的正 lookbehind
(?<!X) X，通过零宽度的负 lookbehind
(?>X) X，作为独立的非捕获组

--------------------------------------------------------------------------------

反斜线、转义和引用
反斜线字符 ('\') 用于引用转义构造，如上表所定义的，同时还用于引用其他将被解释为非转义构造的字符。因此，表达式 \\ 与单个反斜线匹配，而 \{ 与左括号匹配。

在不表示转义构造的任何字母字符前使用反斜线都是错误的；它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线，不管该字符是否非转义构造的一部分。

根据 Java Language Specification 的要求，Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 Java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 "\b" 与单个退格字符匹配，而 "\\b" 与单词边界匹配。字符串字面值 "\(hello\)" 是非法的，将导致编译时错误；要与字符串 (hello) 匹配，必须使用字符串字面值 "\\(hello\\)"。

字符类
字符类可以出现在其他字符类中，并且可以包含并集运算符（隐式）和交集运算符 (&&)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。

字符类运算符的优先级如下所示，按从最高到最低的顺序排列：

1 字面值转义 \x
2 分组 [...]
3 范围 a-z
4 并集 [a-e][i-u]
5 交集 [a-z&&[aeiou]]

注意，元字符的不同集合实际上位于字符类的内部，而非字符类的外部。例如，正则表达式 . 在字符类内部就失去了其特殊意义，而表达式 - 变成了形成元字符的范围。

行结束符
行结束符 是一个或两个字符的序列，标记输入字符序列的行结尾。以下代码被识别为行结束符：

新行（换行）符 ('\n')、
后面紧跟新行符的回车符 ("\r\n")、
单独的回车符 ('\r')、
下一行字符 ('\u0085')、
行分隔符 ('\u2028') 或
段落分隔符 ('\u2029)。
如果激活 UNIX_LINES 模式，则新行符是惟一识别的行结束符。

如果未指定 DOTALL 标志，则正则表达式 . 可以与任何字符（行结束符除外）匹配。

默认情况下，正则表达式 ^ 和 $ 忽略行结束符，仅分别与整个输入序列的开头和结尾匹配。如果激活 MULTILINE 模式，则 ^ 在输入的开头和行结束符之后（输入的结尾）才发生匹配。处于 MULTILINE 模式中时，$ 仅在行结束符之前或输入序列的结尾处匹配。

组和捕获
捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((A)(B(C))) 中，存在四个这样的组：

1 ((A)(B(C)))
2 \A
3 (B(C))
4 (C)

组零始终代表整个表达式。

之所以这样命名捕获组是因为在匹配中，保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过 Back 引用在表达式中使用，也可以在匹配操作完成后从匹配器检索。

与组关联的捕获输入始终是与组最近匹配的子序列。如果由于量化的缘故再次计算了组，则在第二次计算失败时将保留其以前捕获的值（如果有的话）例如，将字符串 "aba" 与表达式 (a(b)?)+ 相匹配，会将第二组设置为 "b"。在每个匹配的开头，所有捕获的输入都会被丢弃。

以 (?) 开头的组是纯的非捕获 组，它不捕获文本，也不针对组合计进行计数。

Answer 2

\p{ASCII}
正则表达式的构造摘要
构造匹配
字符
x字符x
\\反斜线字符
\0n带有八进制值0的字符n(0<=n<=7)
\0nn带有八进制值0的字符nn(0<=n<=7)
\0mnn带有八进制值0的字符mnn（0<=m<=3、0<=n<=7）
\xhh带有十六进制值0x的字符hh
\uhhhh带有十六进制值0x的字符hhhh
\t制表符('\u0009')
\n新行（换行）符('\u000A')
\r回车符('\u000D')
\f换页符('\u000C')
\a报警(bell)符('\u0007')
\e转义符('\u001B')
\cx对应于x的控制符
字符类
[abc]a、b或c（简单类）
[^abc]任何字符，除了a、b或c（否定）
[a-zA-Z]a到z或A到Z，两头的字母包括在内（范围）
[a-d[m-p]]a到d或m到p：[a-dm-p]（并集）
[a-z&&[def]]d、e或f（交集）
[a-z&&[^bc]]a到z，除了b和c：[ad-z]（减去）
[a-z&&[^m-p]]a到z，而非m到p：[a-lq-z]（减去）
预定义字符类
.任何字符（与行结束符可能匹配也可能不匹配）
\d数字：[0-9]
\D非数字：[^0-9]
\s空白字符：[\t\n\x0B\f\r]
\S非空白字符：[^\s]
\w单词字符：[a-zA-Z_0-9]
\W非单词字符：[^\w]
POSIX字符类（仅US-ASCII）
\p{Lower}小写字母字符：[a-z]
\p{Upper}大写字母字符：[A-Z]
\p{ASCII}所有ASCII：[\x00-\x7F]
\p{Alpha}字母字符：[\p{Lower}\p{Upper}]
\p{Digit}十进制数字：[0-9]
\p{Alnum}字母数字字符：[\p{Alpha}\p{Digit}]
\p{Punct}标点符号：!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~
\p{Graph}可见字符：[\p{Alnum}\p{Punct}]
\p{Print}可打印字符：[\p{Graph}\x20]
\p{Blank}空格或制表符：[\t]
\p{Cntrl}控制字符：[\x00-\x1F\x7F]
\p{XDigit}十六进制数字：[0-9a-fA-F]
\p{Space}空白字符：[\t\n\x0B\f\r]
java.lang.Character类（简单的java字符类型）
\p{javaLowerCase}等效于java.lang.Character.isLowerCase()
\p{javaUpperCase}等效于java.lang.Character.isUpperCase()
\p{javaWhitespace}等效于java.lang.Character.isWhitespace()
\p{javaMirrored}等效于java.lang.Character.isMirrored()
Unicode块和类别的类
\p{InGreek}Greek块（简单块）中的字符
\p{Lu}大写字母（简单类别）
\p{Sc}货币符号
\P{InGreek}所有字符，Greek块中的除外（否定）
[\p{L}&&[^\p{Lu}]]所有字母，大写字母除外（减去）
边界匹配器
^行的开头
$行的结尾
\b单词边界
\B非单词边界
\A输入的开头
\G上一个匹配的结尾
\Z输入的结尾，仅用于最后的结束符（如果有的话）
\z输入的结尾
Greedy数量词
X?X，一次或一次也没有
X*X，零次或多次
X+X，一次或多次
X{n}X，恰好n次
X{n,}X，至少n次
X{n,m}X，至少n次，但是不超过m次
Reluctant数量词
X??X，一次或一次也没有
X*?X，零次或多次
X+?X，一次或多次
X{n}?X，恰好n次
X{n,}?X，至少n次
X{n,m}?X，至少n次，但是不超过m次
Possessive数量词
X?+X，一次或一次也没有
X*+X，零次或多次
X++X，一次或多次
X{n}+X，恰好n次
X{n,}+X，至少n次
X{n,m}+X，至少n次，但是不超过m次
Logical运算符
XYX后跟Y
X|YX或Y
(X)X，作为捕获组
Back引用
\n任何匹配的nth捕获组
引用
\Nothing，但是引用以下字符
\QNothing，但是引用所有字符，直到\E
\ENothing，但是结束从\Q开始的引用
特殊构造（非捕获）
(?:X)X，作为非捕获组
(?idmsux-idmsux)Nothing，但是将匹配标志由on转为off
(?idmsux-idmsux:X)X，作为带有给定标志on-off的非捕获组
(?=X)X，通过零宽度的正lookahead
(?!X)X，通过零宽度的负lookahead
(?<=X)X，通过零宽度的正lookbehind
(?<!X)X，通过零宽度的负lookbehind
(?>X)X，作为独立的非捕获组
--------------------------------------------------------------------------------
反斜线、转义和引用
反斜线字符('\')用于引用转义构造，如上表所定义的，同时还用于引用其他将被解释为非转义构造的字符。因此，表达式\\与单个反斜线匹配，而\{与左括号匹配。
在不表示转义构造的任何字母字符前使用反斜线都是错误的；它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线，不管该字符是否非转义构造的一部分。
根据JavaLanguageSpecification的要求，Java源代码的字符串中的反斜线被解释为Unicode转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被Java字节码编译器解释。例如，当解释为正则表达式时，字符串字面值"\b"与单个退格字符匹配，而"\\b"与单词边界匹配。字符串字面值"\(hello\)"是非法的，将导致编译时错误；要与字符串(hello)匹配，必须使用字符串字面值"\\(hello\\)"。
字符类
字符类可以出现在其他字符类中，并且可以包含并集运算符（隐式）和交集运算符(&&)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。
字符类运算符的优先级如下所示，按从最高到最低的顺序排列：
1字面值转义\x
2分组[...]
3范围a-z
4并集[a-e][i-u]
5交集[a-z&&[aeiou]]
注意，元字符的不同集合实际上位于字符类的内部，而非字符类的外部。例如，正则表达式.在字符类内部就失去了其特殊意义，而表达式-变成了形成元字符的范围。
行结束符
行结束符是一个或两个字符的序列，标记输入字符序列的行结尾。以下代码被识别为行结束符：
新行（换行）符('\n')、
后面紧跟新行符的回车符("\r\n")、
单独的回车符('\r')、
下一行字符('\u0085')、
行分隔符('\u2028')或
段落分隔符('\u2029)。
如果激活UNIX_LINES模式，则新行符是惟一识别的行结束符。
如果未指定DOTALL标志，则正则表达式.可以与任何字符（行结束符除外）匹配。
默认情况下，正则表达式^和$忽略行结束符，仅分别与整个输入序列的开头和结尾匹配。如果激活MULTILINE模式，则^在输入的开头和行结束符之后（输入的结尾）才发生匹配。处于MULTILINE模式中时，$仅在行结束符之前或输入序列的结尾处匹配。
组和捕获
捕获组可以通过从左到右计算其开括号来编号。例如，在表达式((A)(B(C)))中，存在四个这样的组：
1((A)(B(C)))
2\A
3(B(C))
4(C)
组零始终代表整个表达式。
之所以这样命名捕获组是因为在匹配中，保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过Back引用在表达式中使用，也可以在匹配操作完成后从匹配器检索。
与组关联的捕获输入始终是与组最近匹配的子序列。如果由于量化的缘故再次计算了组，则在第二次计算失败时将保留其以前捕获的值（如果有的话）例如，将字符串"aba"与表达式(a(b)?)+相匹配，会将第二组设置为"b"。在每个匹配的开头，所有捕获的输入都会被丢弃。
以(?)开头的组是纯的非捕获组，它不捕获文本，也不针对组合计进行计数。