正则表达式是清理字符串中特殊控制符最常用、最高效的方式，关键在于准确匹配unicode中的c0/c1控制字符（如 – 、、u0080–u009f），同时避免误删制表符、换行符等合法空白。
正则表达式是清理字符串中特殊控制符最常用、最高效的方式。关键在于准确识别并匹配 Unicode 中的控制字符（C0/C1 控制码），同时避免误删有意义的空白或符号。
识别哪些字符属于需要清理的控制符
控制符通常指 ASCII 0–31（C0）和 127（DEL），以及 Unicode 中的 C1 区域（U+0080–U+009F）。它们不可见，但可能干扰解析、显示或存储。常见例子包括： （空字节）、（退格）、 （换行）、 （回车）、（ESC），以及高位控制符如 u0085（下一行符）或 u2028（行分隔符）。
基础正则模式：匹配所有控制字符
通用写法（兼容大多数语言）：
- [ - - ] —— 覆盖 C0 区 + DEL（U+007F）
- [u0080-u009F] —— 补充 C1 控制符（U+0080 至 U+009F）
- 组合起来：[ - - u0080-u009F]
注意：某些语言（如 Python 的 re）默认不支持 Unicode 属性，需用 re.UNICODE 或 re.U 标志；而 JavaScript 的 /u 标志可确保正确处理 Unicode。
更稳妥的写法：排除合法空白符
直接删除所有控制符可能误删 、 、 （常用于格式保留）。若只需清理“有害”控制符，建议显式保留常用空白：
- 只删非空白控制符：[ - - u0080-u009F]，但用
replace时跳过 （Tab）、 （LF）、 （CR） - 或反向思维：保留 s（空格、制表、换行、回车等），再删其余控制符：[^ -~-]（按需调整范围）
各语言实操示例
Python：
import re cleaned = re.sub(r'[ - - u0080-u009F]', '', text)
JavaScript：
text.replace(/[ - - u0080-u009F]/gu, '')
Java（使用 Pattern）：
text.replaceAll("[\x00-\x08\x0B\x0C\x0E-\x1F\x7F\u0080-\u009F]", "")
注意 Java 中需双反斜杠转义，且字符串字面量里 u 后必须为四位十六进制。
