Question

在我们的应用程序中，用户正在从MS word输入数据到asp.net textarea控件，最后数据保存在SQL Server中。出于某种原因，从SQL Server Management Studio查看时，几乎没有垃圾字符看起来像小方块。

这会在生成Crystal Reports时导致错误。

我需要一个正则表达式，它会删除所有这些字符和子弹。唯一有效的输入是

A-Z, a-z , 0-9, ~ ! @ # % $ ^ & *  ( ) _ + | ` - = \ {}:">? < [ ] ; ' , . /

此外，标签空间应替换为单个空格。允许输入键或新行。

目前我正在使用

Regex.Replace(data, @"[^\u0000-\u007F]", " ");

但删除项目符号或制表符空格无效。

任何正则表达式忍者都可以帮我解决这个问题吗？提前致谢。

Answer 1

您可以使用两个正则表达式。首先使用模式"\t|<bullet>"（其中<bullet>代表项目符号的表示），用空格（" "）替换TAB和项目符号。第二个，其模式是包含有效字符列表的否定字符集，第二个用于将无效字符替换为空字符串（""），即删除它们。由于您需要保留CR和LF字符（和空格），因此必须将这些字符添加到有效字符集中：

using System;
using System.Text.RegularExpressions;

static class Program
{
  public static void Main()
  {
    string pattern1 = @"\t";
    Regex regex1 = new Regex(pattern1, RegexOptions.Compiled);
    string pattern2 = @"[^A-Za-z0-9~!#$^&*()_+|`\-=\\{}:"">?<\[\];',./ \r\n]";
    Regex regex2 = new Regex(pattern2, RegexOptions.Compiled);

    string input = "ABZabz09~!#$^&*()_+|`-=\\{}:\">?<[];',./ \r\nárvíztűrő\ttükörfúrógép";
    string temp = regex1.Replace(input, " ");
    string output = regex2.Replace(temp, "");
    Console.WriteLine(input);
    Console.WriteLine(output);
    Console.ReadKey(true);
  }
}

输出：

ABZabz09~!#$^&*()_+|`-=\{}:">?<[];',./
árvíztűrő       tükörfúrógép
ABZabz09~!#$^&*()_+|`-=\{}:">?<[];',./
rvztr tkrfrgp

请注意，árvíztűrő之后的TAB被替换为单个空格。

关于子弹：

我在Word中创建了一个项目符号列表，并将其复制到网页中的textarea中。然后我保存了HTML并发现子弹被保存为UTF-8编码的字符E280A2。这就是我在上面所说的“子弹的代表”。你应该弄清楚可能的子弹字符的二进制表示，并将它们添加到第一个模式：或者将它们与TAB字符对应，或者将它们全部放入字符集中：

using System;
using System.Text;
using System.Text.RegularExpressions;

static class Program
{
  public static void Main()
  {
    byte[] bulletBytes = new byte[] { 0xE2, 0x80, 0xA2 };
    string bullet= Encoding.UTF8.GetString(bulletBytes);

    string pattern1 = @"[\t" + bullet + "]";
    Regex regex1 = new Regex(pattern1, RegexOptions.Compiled);
    string pattern2 = @"[^A-Za-z0-9~!#$^&*()_+|`\-=\\{}:"">?<\[\];',./ \r\n]";
    Regex regex2 = new Regex(pattern2, RegexOptions.Compiled);

    string input = 
      bullet + "ABZabz09~!#$^&*()_+|`-=\\{}:\">?<[];',./ \r\n" + 
      bullet + "árvíztűrő\ttükörfúrógép";
    string temp = regex1.Replace(input, " ");
    string output = regex2.Replace(temp, "");
    Console.OutputEncoding = Encoding.UTF8;
    Console.WriteLine(input);
    Console.WriteLine(output);
    Console.ReadKey(true);
  }
}

输出（您应该将控制台字体更改为Lucida控制台以查看子弹）：

•ABZabz09~!#$^&*()_+|`-=\{}:">?<[];',./
•árvíztűrő      tükörfúrógép
 ABZabz09~!#$^&*()_+|`-=\{}:">?<[];',./
 rvztr tkrfrgp

现在除了TAB之外，每行开头的子弹也被替换为空格。

Answer 2

我认为您应该诊断潜在的问题，而不是说“某种原因”并尝试修复症状，但这不是您的问题：

你会想要这个正则表达式：

 [^A-Za-z0-9~!\#\$\^&\*\(\)_\+\|`\-\=\\\{\};"\>\?\<\[\]:',\.\/]

要匹配任何不允许的字符，然后您需要将其替换为String.Empty。然后你只想匹配：

\t

并将其替换为" "。

替换为正则表达式

2 个答案: