Jak usunąć ciągi znaków spoza ASCII? (w C #)

Jak usunąć ciągi znaków spoza ASCII? (w C #)

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

Oto czyste rozwiązanie .NET, które nie używa wyrażeń regularnych:

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)
    )
);

Może to wyglądać nieporęcznie, ale powinno być intuicyjne. Używa kodowania ASCII .NET do konwersji łańcucha. UTF8 jest używany podczas konwersji, ponieważ może reprezentować dowolny z oryginalnych znaków. Wykorzystuje EncoderReplacementFallback do konwersji dowolnego znaku spoza ASCII na pusty ciąg znaków.

Wierzę, że MonsCamus miał na myśli:

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

Jeśli nie chcesz rozbierać, ale faktycznie konwertować akcenty łacińskie na znaki nieakcentowane, spójrz na to pytanie: Jak przetłumaczyć znaki 8-bitowe na znaki 7-bitowe? (tj. Ü do U)

Zainspirowany rozwiązaniem wyrażeń regularnych philcruz stworzyłem czyste rozwiązanie LINQ

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();
}

To jest nieprzetestowany kod.

nie ma potrzeby wyrażenia regularnego. po prostu użyj kodowania ...

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

Uważam, że następujący nieco zmieniony zakres jest przydatny do analizowania bloków komentarzy z bazy danych, co oznacza, że ​​nie będziesz musiał walczyć z tabulatorami i znakami ucieczki, które spowodowałyby, że pole CSV się zdenerwowało.

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

Jeśli chcesz uniknąć innych znaków specjalnych lub określonej interpunkcji, sprawdź tabelę ascii

Przybyłem tutaj, szukając rozwiązania dla rozszerzonych postaci ascii, ale nie mogłem go znaleźć. Najbliższe znalazłem rozwiązanie bzlm . Ale działa to tylko w przypadku kodu ASCII do 127 (oczywiście można zastąpić typ kodowania w jego kodzie, ale myślę, że było to trochę skomplikowane do zrozumienia. Dlatego udostępnianie tej wersji). Oto rozwiązanie, które działa dla rozszerzonych kodów ASCII, tj. Do 255, czyli ISO 8859-1

Wyszukuje i usuwa znaki inne niż ascii (większe niż 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:

Oto działające skrzypce dla kodu

Wymień kodowanie zgodnie z wymaganiami, reszta powinna pozostać taka sama.

Nie jest to optymalne pod względem wydajności, ale dość proste podejście Linq:

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

Minusem jest to, że wszystkie „ocalałe” postacie są najpierw umieszczane w tablicy typu, char[]która jest następnie wyrzucana po tym, jak stringkonstruktor przestanie z niej korzystać.

Użyłem tego wyrażenia regularnego:

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

Używam tego wyrażenia regularnego do odfiltrowywania złych znaków w nazwie pliku.

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

To powinny być wszystkie znaki dozwolone w nazwach plików.