字符串中的C＃正則表達式非字母字符

Question

我的術語可能在此處有點過時，但是我試圖從C＃中的字符串中去除非字母，因此刪除破折號＆符等，但保留重音字符和漢字之類的內容。 我在SO上看到的所有C＃示例都有一個正則表達式，例如new Regex("[^a-zA-Z0-9 -]"); ，但我的需求超出了ASCII字符的范圍。

string input = "I- +AM. 相關 AZURÉE& /30%";

string output = "I AM 相關 AZURÉE 30";

Answer 1

一個很好的起點是根據字符的Unicode字符類刪除字符。 例如，此代碼刪除所有標點符號，符號或控制字符的內容：

string input = "I- +AM. 相關 AZURÉE& /30%";
var output = Regex.Replace(input, "[\\p{S}\\p{C}\\p{P}]", "");

您也可以通過僅允許某些類來嘗試白名單方法。 例如，這僅保留字母，變音符號，數字和空格的字符：

var output = Regex.Replace(input, "[^\\p{L}\\p{M}\\p{N}\\p{Z}]", "");

看到它在行動 。

Answer 2

string result = string.Concat(input.Where(c => Char.IsLetterOrDigit(c)));