如何从字符串中去除标点符号？

Question

对于这个问题中希望在30秒内得到答案的部分，我特别寻找C#方面的解决方案。

但是在一般情况下，如何最好地去除任何语言中的标点符号?

我应该补充说明: 理想情况下，解决方案不需要枚举所有可能的标点符号。

相关: Python中去除标点符号的最佳方法

- AviewAnew

---

不同的编程语言实际上是不同的，我认为你问的问题没有一个答案。你可以询问特定的语言，或者哪种语言最适合进行那种操作。 - David Thornley

Answer 1

new string(myCharCollection.Where(c => !char.IsPunctuation(c)).ToArray());

- GWLlosa

---

是的。它正在驱动我下面发布的字符串操作。 - Tom Ritter

LinQ令我惊叹不已。 - Dermot

精妙。少即是多。 - Saeed Neamati

不适用于 $ 或 ^，可能还有其他字符。我会坚持使用 ^[a-zA-Z][a-zA-Z0-9]*$。 - Stuart Dobson

PhoneNumberTextBox.Text = new string(PhoneNumberTextBox.Text.Where(c => !char.IsPunctuation(c)).ToArray()).Replace(" ",""); - dnennis

对于 $ 或 ^，您可以使用 !char.IsSymbol(c) 进行验证。仅供记录。 - Razvan Dumitru

Answer 2

为什么不直接这样写：

string s = "sxrdct?fvzguh,bij.";
var sb = new StringBuilder();
foreach (char c in s)
{
   if (!char.IsPunctuation(c))
      sb.Append(c);
}
s = sb.ToString();

使用正则表达式通常比简单的字符操作慢。而那些 LINQ 操作看起来像是杀鸡焉用牛刀。而且你不能在 .NET 2.0 中使用这样的代码...

- Hades32

---

请注意，这种方法还可以让您将标点符号替换为（例如）空格。对于分词非常有用。 - user565869

Answer 3

描述意图，易于阅读（仅为个人意见）且性能最佳：

 s = s.StripPunctuation();

实现：

public static class StringExtension
{
    public static string StripPunctuation(this string s)
    {
        var sb = new StringBuilder();
        foreach (char c in s)
        {
            if (!char.IsPunctuation(c))
                sb.Append(c);
        }
        return sb.ToString();
    }
}

这里使用了Hades32的算法，该算法是发布的一堆算法中最优秀的。

- Brian Low

---

有趣的小知识：以下字符不是标点符号：$^+|<>= - Brian Low

Answer 4

假如“best”指的是“最简单”，我建议使用类似这样的方法：

String stripped = input.replaceAll("\\p{Punct}+", "");

这个示例是针对Java的，但所有足够现代的正则表达式引擎都应该支持这个（或类似的）。

编辑：Unicode感知版本如下：

String stripped = input.replaceAll("\\p{P}+", "");

第一个版本只考虑ASCII中包含的标点符号。

- saua

---

C# 没有 Punct 类，但它确实有 P。 - JProgrammer

Answer 5

你可以使用regex.replace方法：

 replace(YourString, RegularExpressionWithPunctuationMarks, Empty String)

由于此处返回一个字符串，因此您的方法将类似于以下内容：

 string s = Regex.Replace("Hello!?!?!?!", "[?!]", "");

如果您想要的话，您可以将“[?!]”替换为更复杂的内容：

(\p{P})

这应该可以找到任何标点符号。

- Anton

---

使用Unicode字符类，简洁、精确、美观。 - Tom Anderson

Answer 6

这个帖子太老了，但我认为我应该发布一个更优雅的解决方案。

string inputSansPunc = input.Where(c => !char.IsPunctuation(c)).Aggregate("", (current, c) => current + c);

这是没有令人困惑的LINQ。

- Nick Vaccaro

Answer 7

在GWLlosa的想法的基础上，我想出了一个相当丑陋但可行的解决方案：

string s = "cat!";
s = s.ToCharArray().ToList<char>()
      .Where<char>(x => !char.IsPunctuation(x))
      .Aggregate<char, string>(string.Empty, new Func<string, char, string>(
             delegate(string s, char c) { return s + c; }));

- AviewAnew

---

我知道，对吧？我的一个爱好是在Linq中犯下代码罪行。但请务必让它变得更好。 - Tom Ritter

请寻求精神科医生的帮助。 - Tom Anderson

这是关于字符串长度的二次方；如果你将长度加倍，代码会变慢四倍，因为字符串的 + 运算符必须复制字符串 :/ - Clément

Answer 8

如果您想用它来对文本进行分词，可以使用以下方法：

new string(myText.Select(c => char.IsPunctuation(c) ? ' ' : c).ToArray())

- Chris Marisic

Answer 9

如果有人想通过正则表达式来实现这个功能：

以下代码展示了完整的正则表达式替换过程，并提供了一个样例正则表达式，只保留字符串中的字母、数字和空格 - 用空字符串替换所有其他字符：

//Regex to remove all non-alphanumeric characters
System.Text.RegularExpressions.Regex TitleRegex = new 
System.Text.RegularExpressions.Regex("[^a-z0-9 ]+", 
System.Text.RegularExpressions.RegexOptions.IgnoreCase);

string ParsedString = TitleRegex.Replace(stringToParse, String.Empty);

return ParsedString;

- S. Justin Gengo

Answer 10

最简单的方法是使用string.replace。

另一种想象中的方法是使用regex.replace，并将你的正则表达式与所有适当的标点符号放在一起。

- TheTXI