Java过滤文本不可见控制字符的核心是用正则[p{Cc}p{Cf}p{Cn}&&[^ ]]逐行清除Unicode控制、格式和未分配字符，同时保留制表符、换行符、回车符和空格等有意义空白。
Java 中过滤文本文件中的不可见控制字符，核心是读取每行内容后，用正则精准识别并移除 Unicode 控制类、格式类和未分配类字符，同时按需保留常规空白（如空格、换行、制表符）。
用正则一次性清除常见不可见控制字符
最常用且可靠的方式是使用 Unicode 属性类组合：p{Cc}（控制字符）、p{Cf}（格式字符，如零宽空格 u200B、行分隔符 u2028）、p{Cn}（未分配码点）。它们覆盖了绝大多数“看不见却坏事”的字符：
-
p{Cc}：包括 ASCII 控制符u0000–u001F和u007F -
p{Cf}：含u200B–u200F（零宽空格等）、u2028–u2029（段落/行分隔符）、u2066–u2069（双向文本标记） -
p{Cn}：排除掉无效或未定义的 Unicode 码点（正常文本中不该出现）
代码示例：
String cleanLine = line.replaceAll("[\p{Cc}\p{Cf}\p{Cn}]", "");
立即学习“Java免费学习笔记（深入）”；
保留空格、换行、制表符等“有意义空白”
如果希望保留 ' '、' '、'
'、'
' 这类可被 Character.isWhitespace() 识别的空白符，就不能直接删全部控制类。需在正则中显式排除它们：
String cleanLine = line.replaceAll("[p{Cc}p{Cf}p{Cn}&&[^ ]]", "");
这个写法利用正则的“字符类交集”语法，只删除控制/格式/未分配字符中**不等于**那几个合法空白的部分，安全又清晰。
处理文件时逐行过滤更稳妥
读取文件时不要试图一次性加载全量再处理，而是边读边清洗，避免内存压力和异常中断风险：
- 用
BufferedReader按行读取 - 对每行调用
replaceAll清洗 - 清洗后立即写入新文件或加入结果列表
- 遇到空行或纯空白行，可额外用
line.trim().isEmpty()判断是否跳过
示例片段：
try (BufferedReader reader = new BufferedReader(new FileReader("input.txt"));
BufferedWriter writer = new BufferedWriter(new FileWriter("clean.txt"))) {
String line;
while ((line = reader.readLine()) != null) {
String cleaned = line.replaceAll("[\p{Cc}\p{Cf}\p{Cn}&&[^\t\n\r ]]");
if (!cleaned.trim().isEmpty()) {
writer.write(cleaned);
writer.newLine();
}
}
}
补充说明：何时不用正则？
若业务要求严格依赖 Character.isWhitespace() 的语义（比如只保留它认定为“空白”的字符，其余一律剔除），正则无法一步表达该逻辑。此时需手动遍历字符筛选：
StringBuilder sb = new StringBuilder();
for (char c : line.toCharArray()) {
if (Character.isWhitespace(c) || Character.isLetterOrDigit(c) || /*其他允许字符*/) {
sb.append(c);
}
}
String cleanLine = sb.toString();
这种方式灵活但稍重，适合规则复杂或需结合业务判断的场景。
