删除不可打印的字符串

Question

我在pdf图像上完成了OCR并提取了文本。 OCR由于某种原因将单个空间转换为双回车换行。

例如

"\r\n\r\n"

以下不起作用，因为我认为我的4个字符不是真正的混乱而是4个不可打印的字符。

DocumentData = DocumentData.Replace(@"\r\n\r\n", "");

我只想将这4个不可打印的字符替换为一起出现的空格。

如何在没有太多大惊小怪的情况下实现这一目标。

Answer 1

问题在于使用＆＃34; @＆＃34;。通过使用它预先处理文本，将忽略转义。只需使用 -

DocumentData = DocumentData.Replace("\r\n\r\n", " ");

Answer 2

这是你想要的吗？

DocumentData = DocumentData.Replace("\r\n\r\n", " "); // <-- change "" to " ", remove @ char

Answer 3

如果您想确保您（或发件人）正在运行的系统并不重要，并且您将始终捕获不可打印的我将使用Regular Expressions：

DocumentData = Regex.Replace(DocumentData, @"\r\n?|\n|\r|\s+", " ");

编辑：使表达更加健壮，并检查额外的空格，用一个替换它们，这样可以避免在替换后过多的间距，因此它特定于此问题。我的错。