如何从字符串中去除非ASCII字符？（在C＃中）

如何从字符串中去除非ASCII字符？（在C＃中）

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

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)
    )
);

它看起来很麻烦，但是应该很直观。它使用.NET ASCII编码来转换字符串。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的意思是：

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

如果您不想剥离，而是实际上将拉丁字母的带重音符号转换为非带重音符号的字符，请看以下问题：如何将8位字符转换为7位字符？（即Ü到U）

受philcruz正则表达式解决方案的启发，我制作了一个纯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。

无需正则表达式。只是使用编码...

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

我发现以下稍微改变的范围可用于从数据库中解析注释块，这意味着您不必与制表符和转义符竞争，而这会导致CSV字段变得烦躁。

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

如果要避免其他特殊字符或特殊标点符号，请检查ascii表

我来这里是为了寻找扩展的ASCII字符的解决方案，但找不到它。我找到的最接近的是bzlm的解决方案。但这仅适用于127以下的ASCII代码（显然，您可以替换其代码中的编码类型，但我认为理解起来有点复杂。因此，请共享此版本）。这是适用于扩展ASCII码（即最多255，即ISO 8859-1）的解决方案

查找并去除非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:

这是代码的工作提琴

根据要求替换编码，其余部分应保持不变。

这不是最佳的性能，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“尚存的”字符都首先被放入类型数组中char[]，然后在string构造函数不再使用它后将其丢弃。

我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过滤掉文件名中的错误字符。

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

那应该是文件名所允许的所有字符。