【Java】文字列から非ASCII文字を削除する方法をわかりやすく解説

Posix文字クラス「\p{ASCII}」とは

Javaの正規表現で利用できるPosix文字クラス \p{ASCII} は、ASCII文字に一致するパターンです。ここにメタ文字の ^（キャレット）を組み合わせると否定（negation）の意味になり、「ASCII以外の文字」に一致させることができます。

つまり、次の正規表現はすべての非ASCII文字にマッチします。

"[^\\p{ASCII}]"

replaceAll()メソッドで非ASCII文字を除去する

Stringクラスの replaceAll() メソッドは、第1引数に正規表現、第2引数に置換後の文字列を受け取り、現在の文字列のうちパターンに一致した部分を指定した文字列へ置き換えます。

そのため、マッチした文字を空文字列 "" に置換すれば、非ASCII文字を簡単に削除できます。

サンプルコード1：replaceAll()を使うシンプルな方法

import java.util.Scanner;
public class Exp {
    public static void main( String args[] ) {
        Scanner sc = new Scanner(System.in);
        String regex = "[^\\p{ASCII}]";
        System.out.println("Enter input data:");
        String input = sc.nextLine();
        String result = input.replaceAll(regex, "");
        System.out.println("Result: "+result);
    }
}

実行結果

Enter input data:
whÿ do we fall
Result: wh do we fall

サンプルコード2：PatternとMatcherを使う方法

より柔軟な制御が必要な場合は、java.util.regexパッケージの Pattern クラスと Matcher クラスを組み合わせる方法もあります。Matcherの appendReplacement() と appendTail() を使えば、一致した部分だけを置換しながら新しい文字列を組み立てられます。

import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Example {
    public static void main( String args[] ) {
        Scanner sc = new Scanner(System.in);
        System.out.println("Enter input string: ");
        String input = sc.nextLine();
        String regex = "[^\\p{ASCII}]";
        // パターンオブジェクトを作成
        Pattern pattern = Pattern.compile(regex);
        // コンパイル済みパターンを文字列に対して適用
        Matcher matcher = pattern.matcher(input);
        // 空のStringBufferを用意
        StringBuffer sb = new StringBuffer();
        while (matcher.find()) {
            matcher.appendReplacement(sb, "");
        }
        matcher.appendTail(sb);
        System.out.println("Result: \n"+ sb.toString() );
    }
}

実行結果

Enter input string:
whÿ do we fall
Result:
wh do we fall

まとめ

正規表現 "[^\\p{ASCII}]" と replaceAll() メソッドを組み合わせれば、文字列から非ASCII文字を1行で取り除くことができます。置換処理を細かく制御したい場合は、PatternとMatcherを活用するとよいでしょう。なお、この方法では日本語などのマルチバイト文字も削除対象になるため、用途に応じて注意して使用してください。