如何去掉不能识别的utf-8编码的字符

Question

有个字符串是我*你，*是一个乱码的字符串，打印出来的byte是：
[-26, -120, -111, -33, -110, -62, -98, -28, -67, -96]
其中，-26, -120, -111是我，-28, -67, -96是你。
中间4个字节的内容是乱码，请问如何把中间乱码的内容去掉，将字符串变成“我你”。

Answer 1

看UTF-8的编码原理，不太难。
原始码（16进制）　UTF－8编码（二进制）
--------------------------------------------
0000 - 007F       0xxxxxxx 
0080 - 07FF       110xxxxx 10xxxxxx 
0800 - FFFF       1110xxxx 10xxxxxx 10xxxxxx 
……
--------------------------------------------
把里面不能构成正常UTF-8的字符丢掉。

Answer 2

1110xxxx 10xxxxxx 110xxxxx 10xxxxxx 
例如红色部分就应该丢掉

Answer 3

有没有现成的api处理乱码字符的。我用CharsetDecoder也无法处理这些非法字符

Answer 4

有没有现成的api处理乱码字符的。我用CharsetDecoder也无法处理这些非法字符
那个我倒是不知道，只不过大多数的乱码还是能用asicc判断来去掉的
str=str.replaceAll("[^\u0020-\u9FA5]", "");
这个ASICC的范围是可显示的字符到中文最后一个 的范围。