[英]Removing non-ASCII characters from string
我試圖從我從文本文件中讀取的字符串中去除非 ASCII 字符,但無法這樣做。 我檢查了 SO 和其他網站上的帖子中的一些建議,但都無濟於事。
這就是我所擁有的和我嘗試過的:
文本文件中的字符串:
2021-03-26 10:00:16:648|2021-03-26 10:00:14:682|MPE->IDC|[10.20.30.40:41148]|203, ? ?'F?~?^?W?|?8wL?i??{?=kb ? Y R?
從文件中讀取的字符串:
"2021-03-26 10:00:16:648|2021-03-26 10:00:14:682|[10.20.30.40:41148]|203,\u0016\u0003\u0001\0?\u0001\0\0?\u0003\u0001'F?\u001e~\u0018?^?W\u0013?|?8wL\v?i??{?=kb\t?\tY\u0005\0\0R?"
去除非 ASCII 字符的方法:
Regex reAsciiPattern = new Regex(@"[^\u0000-\u007F]+"); // Non-ASCII characters
sLine = reAsciiPattern.Replace(sLine, ""); // remove non-ASCII chars
Regex reAsciiPattern2 = new Regex(@"[^\x00-\x7F]+"); // Non-ASCII characters
sLine = reAsciiPattern2.Replace(sLine, ""); // remove non-ASCII chars
string asAscii = Encoding.ASCII.GetString(
Encoding.Convert(
Encoding.UTF8,
Encoding.GetEncoding(
Encoding.ASCII.EncodingName,
new EncoderReplacementFallback(string.Empty),
new DecoderExceptionFallback()
),
Encoding.UTF8.GetBytes(sLine)
)
);
我錯過了什么?
謝謝。
這可以在沒有正則Regex
使用循環和StringBuilder
:
var sb = new StringBuilder();
foreach(var ch in line) {
//printable Ascii range
if (ch >= 32 && ch < 127) {
sb.Append(ch);
}
}
line = sb.ToString();
或者你可以使用一些 LINQ:
line = string.Concat(
line.Where(ch => ch >= 32 && ch < 127)
);
如果您必須使用 Regex 執行此操作,那么以下內容就足夠了(同樣,這僅保留可打印的 ASCII)
line = Regex.Replace(line, @"[^\u0020-\u007e]", "");
如果您想要所有 ASCII(包括不可打印的)字符,則將測試修改為
ch <= 127 // for the loops
@"[^\u0000-\u007f]" // for the regex
您可以使用以下正則表達式去除所有不可打印的字符。
Regex.Replace(sLine, @"[^\u0020-\u007E]+", string.Empty);
using System.Text.RegularExpressions;
...
Regex reAsciiNonPrintable = new Regex(@"\p{C}+"); // Non-printable characters
string sLine;
using (StreamReader sr = File.OpenText(Path.Combine(Folder, FileName)))
{
while (!sr.EndOfStream)
{
sLine = sr.ReadLine().Trim();
if (!string.IsNullOrEmpty(sLine))
{
Match match = reAsciiNonPrintable.Match(sLine);
if (match.Success)
continue; // skip the line
...
}
...
}
....
}
由於string
是一個IEnumerable<char>
,其中每個char
代表一個 UTF-16 代碼單元(可能是代理),您還可以執行以下操作:
var ascii = new string(sLine.Where(x => x <= sbyte.MaxValue).ToArray());
或者,如果您只想要可打印的 ASCII:
var asciiPrintable = new string(sLine.Where(x => ' ' <= x && x <= '~').ToArray());
我現在意識到這主要是pinkfloydx33答案的重復,所以去投票吧。
如果字符串包含重音字母,結果可能取決於規范化,因此比較:
var sLine1 = "olé";
var sLine2 = sLine1.Normalize(NormalizationForm.FormD);
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.