C#正则表达式：删除混合多种语言、Unicode字母的文本中的非打印字符和控制字符。

Question

C#正则表达式：删除混合多种语言、Unicode字母的文本中的非打印字符和控制字符。

35

我希望你能帮忙，因为我不知道要使用哪个字符范围，或者是否有类似于ruby中我找到的[[:cntrl:]]这样的字符类？

所谓的非可打印字符是指删除所有在IE输出时未显示在输入字符串中的字符。请注意，我在寻找一个C#正则表达式，我的代码没有问题。

- user7150219

哪些字符应该是不可打印的？你需要构建正则表达式字符类。也许，你只需要使用\p{C}（= 不可见控制字符和未使用的代码点），或者\p{Cc}（仅控制字符，请参见http://www.regular-expressions.info/posixbrackets.html）。 - Wiktor Stribiżew

4个回答

6

你可以尝试以下方法：

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

在评论后更新的答案：

关于不可打印字符的文档： https://en.wikipedia.org/wiki/Control_character

Char.IsControl 方法：

https://msdn.microsoft.com/en-us/library/system.char.iscontrol.aspx

也许您可以尝试：

string input; // this is your input string
string output = new string(input.Where(c => !char.IsControl(c)).ToArray());

- Yanga

非常感谢，我会尝试这个。我只需要正则表达式，代码已经有了，我的担心是不会在过程中丢失任何可打印字符 :) - user7150219

我认为你会得到输出："Tkrgsmrgs"，你能举个例子说明你想要删除哪些字符吗？ - Yanga

那么这不是我想要的，这正是我担心的，屏幕上失去了字符。我的目标是删除屏幕上没有显示但存在且无用的字符，例如，在JAVA中，我可以使用\p{Print}来保留所有这些字符。 - user7150219

这对我有用。我的问题不同，因此我需要支持UTF-8，但我也想剥离控制字符。 - Bryan Harrington

2

删除所有控制字符和其他不可打印字符

Regex.Replace(s, @"\p{C}+", String.Empty);

只删除控制字符（如果您不想删除表情符号）

Regex.Replace(s, @"\p{Cc}+", String.Empty);

- Nerdroid

2

您可以尝试这个：

    public static string TrimNonAscii(this string value)
    {
        string pattern = "[^ -~]*";
        Regex reg_exp = new Regex(pattern);
        return reg_exp.Replace(value, "");
    }

- Amarildo Lena

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Wiktor Stribiżew · Accepted Answer

您可以使用以下方式删除所有控制字符和其他不可打印字符：

s = Regex.Replace(s, @"\p{C}+", string.Empty);

\p{C} Unicode类别匹配所有控制字符，甚至包括ASCII表之外的字符，因为在.NET中，Unicode类别默认是Unicode感知的。

分解为子类别

要仅匹配基本控制字符，可以使用\p{Cc}+，参见Other, Control Unicode类别中的65个字符。它等价于[\u0000-\u0008\u000E-\u001F\u007F-\u0084\u0086-\u009F \u0009-\u000D \u0085]+正则表达式。
要只匹配161个其他格式字符，包括众所周知的软连字号 (\u00AD)，零宽度空格 (\u200B)，零宽度非连接符 (\u200C)，零宽度连接符 (\u200D)，从左到右标记 (\u200E)，和从右到左标记 (\u200F)，请使用 \p{Cf}+。其中包括天文位置代码点的等价物是一个(?:[\xAD\u0600-\u0605\u061C\u06DD\u070F\u08E2\u180E\u200B-\u200F\u202A-\u202E\u2060-\u2064\u2066-\u206F\uFEFF\uFFF9-\uFFFB]|\uD804[\uDCBD\uDCCD]|\uD80D[\uDC30-\uDC38]|\uD82F[\uDCA0-\uDCA3]|\uD834[\uDD73-\uDD7A]|\uDB40[\uDC01\uDC20-\uDC7F])+正则表达式。
要匹配137468个其他、私有使用控制码点，可以使用\p{Co}+或其等价物包括天文位置代码点，(?:[\uE000-\uF8FF]|[\uDB80-\uDBBE\uDBC0-\uDBFE][\uDC00-\uDFFF]|[\uDBBF\uDBFF][\uDC00-\uDFFD])+。
要匹配包括一些表情符号在内的2048个其他、代理代码点，可以使用\p{Cs}+或[\uD800-\uDFFF]+正则表达式。