web-dev-qa-db-ja.com

文字列から非ASCII文字を削除するにはどうすればよいですか？ （C＃で）

文字列から非ASCII文字を削除するにはどうすればよいですか？ （C＃で）

c#ascii
205
philcruz
string s = "søme string";
s = Regex.Replace(s, @"[^\u0000-\u007F]+", string.Empty);
387
philcruz

正規表現を使用しない純粋な.NETソリューションを次に示します。

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)
    )
);

面倒に見えるかもしれませんが、直感的に理解できるはずです。 .NET ASCIIエンコーディングを使用して文字列を変換します。 UTF8は元の文字を表すことができるため、変換中に使用されます。 EncoderReplacementFallbackを使用して、非ASCII文字を空の文字列に変換します。

110
bzlm

MonsCamusの意味：

parsememo = Regex.Replace(parsememo, @"[^\u0020-\u007E]", string.Empty);
35
Josh

削除したくないが、実際にラテンアクセントをアクセントなしの文字に変換する場合は、次の質問をご覧ください： 8ビット文字を7ビット文字に変換するにはどうすればよいですか？ （つまり、ÜからU）

14
sinelaw

philcruzの正規表現ソリューション に触発されて、純粋なLINQソリューションを作成しました

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();
}

これはテストされていないコードです。

9
Bent Rasmussen

正規表現は必要ありません。エンコードを使用してください...

sOutput = System.Text.Encoding.ASCII.GetString(System.Text.Encoding.ASCII.GetBytes(sInput));
5
rjp

次のわずかに変更された範囲は、データベースからコメントブロックを解析するのに役立ちます。これは、CSVフィールドが混乱する原因となるタブ文字やエスケープ文字と競合する必要がないことを意味します。

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

他の特殊文字や特定の句読点チェックを避けたい場合 ASCIIテーブル

4
MonsCamus

ここに来て、拡張されたアスキー文字の解決策を探しましたが、それを見つけることができませんでした。私が見つけた最も近いものは bzlmの解 です。しかし、それは127までのASCIIコードでのみ機能します（明らかに、彼のコードのエンコードタイプを置き換えることができますが、理解するのは少し複雑だったと思います。したがって、このバージョンを共有します）。 拡張ASCIIコード、つまり最大255 で動作するソリューションは次のとおりです ISO 8859-1

非ASCII文字（255を超える）を見つけて削除します

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:

コードの作業フィドル

要件に従ってエンコードを置き換えます。残りは同じままにしてください。

3
TheUknown

これはパフォーマンス面では最適ではありませんが、非常に単純なLinqアプローチです。

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

欠点は、すべての「生き残った」文字が最初にchar[]型の配列に入れられ、その後stringコンストラクターが使用しなくなった後に破棄されることです。

2
Jeppe Stig Nielsen

この正規表現を使用して、ファイル名の不適切な文字を除外します。

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

これは、ファイル名に使用できるすべての文字である必要があります。

1
user890332

この正規表現を使用しました：

    string s = "søme string";
    Regex regex = new Regex(@"[^a-zA-Z0-9\s]", (RegexOptions)0);
    return regex.Replace(s, "");
1
Anonymous coward