Java文本处理：高效移除特殊空白字符，保留普通空格

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class TextCleaner {

    /**
     * 移除文本中除普通空格外的所有特殊格式控制字符。
     * 例如，U+200B（零宽空格）等不可见字符。
     *
     * @param text 待处理的原始文本。
     * @return 清理后的文本，如果输入为null，则返回空字符串。
     */
    public String cleanTextExceptSpace(String text) {
        if (text == null) {
            return "";
        }
        // 使用Unicode属性 p{Cf} 匹配所有“格式控制字符”
        // 这些字符通常是不可见的，但会影响文本布局。
        return text.replaceAll("[\p{Cf}]", "");
    }

    public static void main(String[] args) {
        TextCleaner cleaner = new TextCleaner();

        // 示例1: 包含零宽空格 (U+200B)
        String text1 = "这是一个" + "u200B" + "测试字符串" + "u200B" + "。";
        System.out.println("原始文本1: '" + text1 + "'");
        String cleanedText1 = cleaner.cleanTextExceptSpace(text1);
        System.out.println("清理后文本1: '" + cleanedText1 + "'");
        System.out.println("长度对比 (原始/清理): " + text1.length() + " / " + cleanedText1.length()); // 长度应减少

        // 示例2: 包含普通空格和零宽空格
        String text2 = " Hello " + "u200B" + " World " + "u200B" + " ";
        System.out.println("
原始文本2: '" + text2 + "'");
        String cleanedText2 = cleaner.cleanTextExceptSpace(text2);
        System.out.println("清理后文本2: '" + cleanedText2 + "'");
        System.out.println("长度对比 (原始/清理): " + text2.length() + " / " + cleanedText2.length()); // 普通空格应保留

        // 示例3: 仅包含普通空格
        String text3 = " 仅包含 普通 空格 ";
        System.out.println("
原始文本3: '" + text3 + "'");
        String cleanedText3 = cleaner.cleanTextExceptSpace(text3);
        System.out.println("清理后文本3: '" + cleanedText3 + "'");
        System.out.println("长度对比 (原始/清理): " + text3.length() + " / " + cleanedText3.length()); // 长度应不变

        // 示例4: 包含其他类型的空白字符 (如制表符 	, 换行符 
)
        // 这些字符不属于 p{Cf}，因此不会被移除
        String text4 = "Tab	Newline
ZeroWidthu200BEnd";
        System.out.println("
原始文本4: '" + text4 + "'");
        String cleanedText4 = cleaner.cleanTextExceptSpace(text4);
        System.out.println("清理后文本4: '" + cleanedText4 + "'");
        System.out.println("长度对比 (原始/清理): " + text4.length() + " / " + cleanedText4.length()); // 只有零宽空格被移除

        // 如果需要移除所有非普通空格的空白字符（包括制表符、换行符等），可以采用更全面的策略
        System.out.println("
--- 更全面的空白字符清理策略 ---");
        String text5 = " Leading 	 Trailing 
 ZeroWidthu200B Here ";
        System.out.println("原始文本5: '" + text5 + "'");
        // 策略1: 移除所有非普通空格的空白字符 (包括 	, 
, u200B 等)
        // [\s&&[^ ]] 表示匹配所有空白字符中，不是普通空格的字符
        String comprehensiveCleanedText = text5.replaceAll("[\s&&[^ ]]", "");
        System.out.println("清理后文本5 (使用 [\s&&[^ ]]): '" + comprehensiveCleanedText + "'");

        // 策略2: 如果只需要移除零宽字符，但保留其他标准空白字符（如 	, 
），则使用 p{Cf}
        System.out.println("清理后文本5 (仅使用 \p{Cf}): '" + cleaner.cleanTextExceptSpace(text5) + "'");
    }
}