如何从字符串中删除非ASCII字符？(在C#中)

如何从字符串中删除非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)
    )
);

它可能看起来很麻烦,但它应该是直观的.它使用.NET ASCII编码转换字符串.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意味着:

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

如果你不想剥离,但实际上将拉丁语重音转换为非重音字符,请看一下这个问题:如何将8位字符转换为7位字符？(即Ü到U)

受philcruz的Regular Expression解决方案的启发,我制作了纯粹的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 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.

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