Wie können Sie Nicht-ASCII-Zeichen aus einer Zeichenfolge entfernen? (in C#)

Question

Wie können Sie Nicht-ASCII-Zeichen aus einer Zeichenfolge entfernen? (In C#)

Answer 1

string s = "søme string"; 
s = Regex.Replace(s, @"[^\u0000-\u007F]+", string.Empty); 

Answer 2

Hier ist eine reine .NET-Lösung, die keine regulären Ausdrücke nicht verwendet:

 string inputString = "Räksmörgås"; 
     string asAscii = Encoding.ASCII.GetString(
      Encoding.Convert(
       Encoding.UTF8, 
       Encoding.GetEncoding(
        Encoding.ASCII.EncodingName, 
        new EncoderReplacementFallback(string.Empty), 
        new DecoderExceptionFallback() 
        ), 
       Encoding.UTF8.GetBytes(inputString) 
      ) 
     ); 

Es kann umständlich aussehen, aber es sollte intuitiv sein. Es verwendet die .NET ASCII-Codierung, um eine Zeichenfolge zu konvertieren. UTF8 wird während der Konvertierung verwendet, da es beliebige der ursprünglichen Zeichen darstellen kann. Es verwendet einen EncoderReplacementFallback, um alle Nicht-ASCII-Zeichen in eine leere Zeichenfolge zu konvertieren. Dies ist ungetestet Code

Answer 3

von philcruz's Regular Expression solution inspiriert, ich habe

public static string PureAscii(this string source, char nil = ' ') 
    { 
     var min = '\u0000'; 
     var max = '\u007F'; 
     return source.Select(c => c < min ? nil : c > max ? nil : c).ToText(); 
    } 

    public static string ToText(this IEnumerable<char> source) 
    { 
     var buffer = new StringBuilder(); 
     foreach (var c in source) 
      buffer.Append(c); 
     return buffer.ToString(); 
    } 

eine reine LINQ-Lösung hergestellt.

Answer 4

Wenn Sie nicht wollen, strippen, sondern tatsächlich lateinische akzentuierte zu nicht-akzentuierte Zeichen konvertieren, einen Blick auf diese Frage nehmen: How do I translate 8bit characters into 7bit characters? (i.e. Ü to U)

Answer 5

ich diesen regulären Ausdruck verwendet:

string s = "søme string"; 
    Regex regex = new Regex(@"[^a-zA-Z0-9\s]", (RegexOptions)0); 
    return regex.Replace(s, ""); 

Answer 6

gefunden der folgende leicht geänderte Bereich, der nützlich ist, um Kommentarblöcke aus einer Datenbank zu analysieren, bedeutet, dass Sie nicht mit Tab- und Escape-Zeichen zurechtkommen müssen, was dazu führen würde, dass ein CSV-Feld gestört wird.

parsememo = Regex.Replace(parsememo, @"[^\u001F-\u007F]", string.Empty); 

Wenn Sie andere Sonderzeichen oder besondere Zeichensetzung überprüfen the ascii table

Answer 7

keine Notwendigkeit für regex vermeiden wollen. nur Codierung verwenden ...

sOutput = System.Text.Encoding.ASCII.GetString(System.Text.Encoding.ASCII.GetBytes(sInput)); 

Answer 8

Ich glaube MonsCamus gemeint:

parsememo = Regex.Replace(parsememo, @"[^\u0020-\u007E]", string.Empty); 

Answer 9

Diese nicht optimale Performance-weise, aber ein ziemlich geradlinig Linq Ansatz:

string strippedString = new string(
    yourString.Where(c => c <= sbyte.MaxValue).ToArray() 
    ); 

Die Nachteil ist, dass alle "überlebenden" Zeichen zuerst in ein Array vom Typ char[] gelegt werden, das dann weggeworfen wird, nachdem der string Konstruktor es nicht mehr benutzt.

Answer 10

Ich kam hier auf der Suche nach einer Lösung für erweiterte ASCII-Zeichen, aber konnte es nicht finden. Der nächste, den ich gefunden habe, ist bzlm's solution. Aber das funktioniert nur für ASCII-Code bis 127 (natürlich können Sie den Kodierungstyp in seinem Code ersetzen, aber ich denke, es war ein bisschen kompliziert zu verstehen. Daher diese Version zu teilen). Hier ist eine Lösung, die für extended ASCII codes i.e. upto 255 arbeitet, die die ISO 8859-1

Es findet und Streifen aus Nicht-ASCII-Zeichen (größer als 255)

Dim str1 as String= "â, ??î or ôu� n☁i✑++$-♓!‼⁉4⃣od;/⏬'®;☕:☝)///1!@#" 

Dim extendedAscii As Encoding = Encoding.GetEncoding("ISO-8859-1", 
               New EncoderReplacementFallback(String.empty), 
               New DecoderReplacementFallback()) 

Dim extendedAsciiBytes() As Byte = extendedAscii.GetBytes(str1) 

Dim str2 As String = extendedAscii.GetString(extendedAsciiBytes) 

console.WriteLine(str2) 
'Output : â, ??î or ôu ni++$-!‼⁉4od;/';:)///1!@#$%^yz: 

Hier ist ein working fiddle for the code

Ersetzen Sie die Codierung nach der Anforderung , Ruhe sollte gleich bleiben.

Answer 11

Ich benutze diesen regulären Ausdruck, um schlechte Zeichen in einem Dateinamen herauszufiltern.

Regex.Replace(directory, "[^a-zA-Z0-9\\:_\- ]", "") 

Das sollten alle Zeichen sein, die für Dateinamen erlaubt sind.