如何从字符串中删除非ASCII字符？（在C＃中）

https://stackoverflow.com/questions/123336

c#
ascii

02-07-2019
|

题

解决方案

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

其他提示

这是一个不使用正则表达式的纯.NET解决方案：

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)
    )
);

看起来很麻烦，但应该很直观。它使用.NET ASCII编码转换字符串。转换期间使用UTF8，因为它可以表示任何原始字符。它使用EncoderReplacementFallback将任何非ASCII字符转换为空字符串。

我相信MonsCamus意味着：

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

如果您不想剥离，但要实际转换为非重音字符的拉丁语，请查看以下问题：如何将8位字符翻译成7位字符？（即＆＃220;到U）

受 philcruz的正则表达式解决方案的启发，我制作了纯粹的LINQ解决方案

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();
}

这是未经测试的代码。

不需要正则表达式。只需使用编码...

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

我发现以下略微改变的范围对于解析数据库中的注释块非常有用，这意味着您不必与tab和转义字符竞争，这会导致CSV字段变得沮丧。

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

如果您想避免使用其他特殊字符或特定标点，请查看 ascii表

我来到这里寻找扩展ascii字符的解决方案，但无法找到它。我找到的最接近的是 bzlm的解决方案。但这仅适用于高达127的ASCII代码（显然你可以在他的代码中替换编码类型，但我认为理解它有点复杂。因此，共享此版本）。这是一个适用于扩展ASCII代码，即最多255个的解决方案，即 ISO 8859-1

找到并删除非ascii字符（大于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:

这是代码的工作小提琴

根据要求替换编码，其余应保持不变。

这不是最佳性能，而是一种非常简单的Linq方法：

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

缺点是所有“幸存者”都是“幸存者”。字符首先放入 char [] 类型的数组中，然后在 string 构造函数不再使用它之后抛弃它。

我使用了这个正则表达式：

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

我使用此正则表达式来过滤掉文件名中的错误字符。

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

这应该是文件名允许的所有字符。

许可以下： CC-BY-SA 和归因

不隶属于 StackOverflow

如何从字符串中删除非ASCII字符？ （在C＃中）

如何从字符串中删除非ASCII字符？（在C＃中）