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）

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

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。

MonsCamusの意味は次のとおりです。

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

削除したくないが、アクセント付きのラテン文字をアクセントなしの文字に実際に変換する場合は、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）

philcruzの正規表現ソリューションに触発され、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。

正規表現は必要ありません。エンコーディングを使うだけ...

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

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を避けたい場合は、ASCIIテーブルを確認してください

拡張ASCII文字の解決策を探してここに来ましたが、見つかりませんでした。私が見つけた最も近いものはbzlmのソリューションです。しかし、これは127までのASCIIコードに対してのみ機能します（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、理解するのが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、ISO 8859-1である255まで）で機能するソリューションを次に示します。

ASCII以外の文字（255より大きい）を見つけて取り除きます

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:

これがコードの実用的なフィドルです

要件に従ってエンコーディングを置き換えます。残りは同じままにする必要があります。

これは最適なパフォーマンスではありませんが、非常に単純なLinqのアプローチです。

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

欠点は、すべての「存続する」文字が最初に型の配列に入れられchar[]、stringコンストラクターがそれを使用しなくなった後に破棄されることです。

私は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, "");

この正規表現を使用して、ファイル名の不正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。