有没有更好的方法来清洗一个字符串？

Question

目前这是我的代码。

function clean_string(raw_string) {
    A =
        "ABCDEFGHIJKLMNOPQRSTUVWXYZ abcdefghijklmnopqrstuvwxyz 1234567890".split(
            ""
        );
    var cleaned_string = raw_string.toLowerCase();
    for (i = 0; i < cleaned_string.length; i++) {
        if (!A.includes(cleaned_string[i])) {
            cleaned_string = setCharAt(cleaned_string, i, " ");
        }
    }
    cleaned_string = cleaned_string.replace(/\s\s+/g, " ");

    return cleaned_string;
}

function setCharAt(str, index, chr) {
    if (index > str.length - 1) return str;
    return str.substring(0, index) + chr + str.substring(index + 1);
}

我不懂正则表达式，但使用正则表达式可能会更容易。这是我想做的事情：

输入：Hello, David World 123! 输出：hello david world 123 基本上我想做的是将除a-z0-9以外的任何字符替换为一个空格，然后删除多余的空格，也就是说，我只想在结果中得到a-z0-9。如何做到呢？

注：代码可以运行，但我认为它看起来很糟糕而且效率不高。

编辑：抱歉，我的意思是我只想在输出中得到小写字母。我太蠢了。

- DavidNyan10

---

您说您想要在输出中允许大写字母，然而，在所有提供的示例中，大写字母都被替换为小写字母。能否请您澄清一下？ - fubar

@fubar 不好意思，我太蠢了。我已经修正了我的问题。我只需要小写字母。谢谢！ - DavidNyan10

Answer 1

一个简单的解决方案是将所有字符转换为小写字母，用空格字符替换任何不是 a-z、0-9 或空格的字符，然后用单个空格字符替换多个空格字符。

function sanitize(input) {
    return input
      .toLowerCase()
      .replace(/([^a-z\d\s]+)/g, ' ')
      .replace(/(\s+)/g, ' ');
}

console.log(sanitize('Hello, David World 123!'));
console.log(sanitize('hELlo.,     <>;dAVId  world  .;- 123'));
console.log(sanitize('He.llo     David,   w!orld 123#'));

- fubar

---

为什么不直接删除有问题的字母，即用空字符串替换它们？这样就会减少需要删除的额外空格。 - daniel kullmann

@danielkullmann 这会使 He.llo 返回 hello 而不是 he llo，这不是我想要的。 - DavidNyan10

Answer 2

一个简单的正则表达式可以替换非字母数字字符，然后再使用另一个正则表达式去除连续多个空格即可解决问题。

const clean = (input) => {
  const alphanumeric = input.replace(/[^a-zA-Z0-9]/g, ' ')
  const spaceless = alphanumeric.replace(/\s{2,}/g, ' ')
  
  console.log(spaceless.toLowerCase())
  return spaceless.toLowerCase()
}

clean("Hello, David World 123!")
clean("hELlo.,     <>;dAVId  world  .;- 123")
clean("He.llo     David,   w!orld 123#   ")

当然，这个函数可以缩短为

const clean = (input) => {
  return input.replace(/[^a-zA-Z0-9]/g, ' ').
               replace(/\s{2,}/g, ' ').
               toLowerCase()
}

正则表达式解释:

[^a-zA-Z0-9]: 匹配任何不匹配 a-zA-Z0-9（任何非字母数字）的内容 \s{2,}: 匹配连续出现两次或更多次的空格字符

- Cjmarkham

Answer 3

这里是使用正则表达式回调的一种方法：

var inputs = ["Hello, David World 123!", "hELlo.,     <>;dAVId  world  .;- 123", "He.llo     David,   w!orld 123#"];
for (var i=0; i < inputs.length; ++i) {
    var input = inputs[i];
    input = input.replace(/\w+/g, x => x.toLowerCase())
                 .replace(/[^\w_]+/g, " ");
    console.log(input);
}

这里的策略是进行两个正则表达式替换。第一个找到输入中的所有单词并将它们转换为小写。第二个然后剥离所有非单词字符和空格，包括下划线，并用一个空格替换。

- Tim Biegeleisen

Answer 4

您可以使用单个替换调用，仅将大写字符转换为小写，或者将一个或多个非单词字符替换为单个空格。

为了区分替换和小写，您可以在正则表达式中使用捕获组，并在回调函数中检查该组。

如果匹配组1，则存在一个或多个大写字母A-Z。

[
  "Hello, David World 123!",
  "hELlo.,     <>;dAVId  world  .;- 123",
  "He.llo     David,   w!orld 123#"
].forEach(s =>
  console.log(
    s.replace(/([A-Z]+)|[^\w_]+/g, (_, g1) => g1 ? g1.toLowerCase() : ' ')
  )
)

- The fourth bird