在正则表达式模式中添加求反运算符^。要过滤可打印字符，您可以使用以下表达式[^\\x00-\\x7F]，您应该会得到所需的结果。

import java.io.UnsupportedEncodingException;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class UTF8 {
    public static void main(String[] args) {
        String utf8tweet = "";
        try {
            byte[] utf8Bytes = "#Hello twitter  How are you?".getBytes("UTF-8");
            utf8tweet = new String(utf8Bytes, "UTF-8");
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
        Pattern unicodeOutliers = Pattern.compile("[^\\x00-\\x7F]",
                Pattern.UNICODE_CASE | Pattern.CANON_EQ
                        | Pattern.CASE_INSENSITIVE);
        Matcher unicodeOutlierMatcher = unicodeOutliers.matcher(utf8tweet);
        System.out.println("Before: " + utf8tweet);
        utf8tweet = unicodeOutlierMatcher.replaceAll(" ");
        System.out.println("After: " + utf8tweet);
    }
}

字符串
将产生以下输出：

Before: #Hello twitter  How are you?
After: #Hello twitter   How are you?

型

编辑

为了进一步解释，您也可以继续以\u形式表示范围，如下所示[^\\u0000-\\u007F]，它将匹配所有不是前128个UNICODE字符的字符（与之前相同）。如果要扩展范围以支持额外字符，可以使用UNICODE字符列表here。
例如，如果你想包含带重音的元音（在西班牙语中使用），你应该将范围扩展到\u00FF，所以你有[^\\u0000-\\u00FF]或[^\\x00-\\xFF]：

Before: #Hello twitter  How are you? á é í ó ú
After: #Hello twitter   How are you? á é í ó ú

型

首先，在java中（严格遵循标准）将相关的unicode块指定为Character.UnicodeBlock MISCELLANEOUS_SYMBOLS_AND_PICTOGRAPHS。在正则表达式中：

s = s.replaceAll("\\p{So}+", "");

字符串

我试过这个。unicode范围从emoji ranges开始

class EmojiEraser{
    private static final String EMOJI_RANGE_REGEX =
                "[\uD83C\uDF00-\uD83D\uDDFF]|[\uD83D\uDE00-\uD83D\uDE4F]|[\uD83D\uDE80-\uD83D\uDEFF]|[\u2600-\u26FF]|[\u2700-\u27BF]";
        private static final Pattern PATTERN = Pattern.compile(EMOJI_RANGE_REGEX);
        /**
         * Finds and removes emojies from @param input
         * 
         * @param input the input string potentially containing emojis (comes as unicode stringfied)
         * @return input string with emojis replaced
         */
        public String eraseEmojis(String input) {
            if (Strings.isNullOrEmpty(input)) {
                return input;
            }
            Matcher matcher = PATTERN.matcher(input);
            StringBuffer sb = new StringBuffer();
            while (matcher.find()) {
                matcher.appendReplacement(sb, "");
            }
            matcher.appendTail(sb);
            return sb.toString();
        }
}

字符串

假设status.getText()返回一个java.lang.String...

byte[] utf8Bytes = status.getText().getBytes("UTF-8");
utf8tweet = new String(utf8Bytes, "UTF-8");

字符串
上述代码转换操作产生如下相同的结果：

utf8tweet = status.getText();

型
Java字符串是隐式UTF-16。UTF-16和UTF-8共享相同的字符集（Unicode），因此从一个转换到另一个并返回原始数据。
Java正则表达式支持使用代理对的补充范围。您可以按照this question的答案中所述进行匹配。
正如eee在他的评论中指出的那样，你很可能有字体问题。字素是否可以显示通常取决于用户系统上可用的字体、所选择的字体以及渲染技术支持的字体替换形式。

如果你不想搞砸正则表达式，那么你可以只测试unicode blocks：

private static final Set<Character.UnicodeBlock> BLACKLIST=Set.of(
    Character.UnicodeBlock.MISCELLANEOUS_SYMBOLS_AND_PICTOGRAPHS,
    Character.UnicodeBlock.EMOTICONS);
public String sanitize(String verbatim) {
    int cps=verbatim.codePoints()
        .filter(cp -> !BLACKLIST.contains(Character.UnicodeBlock.of(cp)))
        .toArray();
    return new String(cps, 0, cps.length);
}

字符串
此外，Java中的表情符号处理库现在相当不错，有些还可以处理象形文字，比如sigpwned/emoji4j。使用该库，您可以编写以下代码：

public String sanitize(String verbatim) {
    return new GraphemeMatcher(verbatim).replaceAll(mr -> "");
}

型
免责声明：我编写了这个库，所以我可能对它的实用性和简单性有偏见。：）