Question

我的问题：

我有一个.NET应用程序，通过电子邮件发送新闻稿。在Outlook中查看简报时，outlook会显示一个问号，代替无法识别的隐藏字符。这些隐藏的角色来自最终用户，他们将构成简报的html复制并粘贴到表单中并提交。如果c＃trim（）出现在字符串的结尾或开头，则会删除这些隐藏的字符。在gmail中查看简报时，gmail会忽略它们。当粘贴word文档中的这些隐藏字符并打开“显示段落标记和隐藏符号”选项时，符号在较大的矩形内显示为一个矩形。组成简报的文本也可以是任何语言，因此接受Unicode字符是必须的。我已经尝试循环遍历字符串以检测字符，但循环不识别它并通过它。还要求最终用户在提交之前先将html粘贴到记事本中是不可能的。

我的问题：
如何使用C＃检测并消除这些隐藏的字符？

Answer 1

您可以使用以下内容从输入字符串中删除所有控制字符：

string input; // this is your input string
string output = new string(input.Where(c => !char.IsControl(c)).ToArray());

Here is the documentation用于IsControl()方法。

或者，如果您只想保留字母和数字，还可以使用IsLetter和IsDigit功能：

string output = new string(input.Where(c => char.IsLetter(c) || char.IsDigit(c)).ToArray());

Answer 2

我通常使用这个正则表达式来替换所有不可打印的字符。

顺便说一下，大多数人认为标签，换行和回车都是不可打印的字符，但对我来说却不是。

所以这是表达式：

string output = Regex.Replace(input, @"[^\u0009\u000A\u000D\u0020-\u007E]", "*");

^表示如果是以下任何一项：
\u0009是标签
\u000A是换行
\u000D是回车
\u0020-\u007E表示从空格到~的所有内容 - 即ASCII中的所有内容。

如果您想进行更改，请参阅ASCII table。请记住，它会剥离每个非ASCII字符。

要进行上述测试，您可以自己创建一个字符串，如下所示：

    string input = string.Empty;

    for (int i = 0; i < 255; i++)
    {
        input += (char)(i);
    }

Answer 3

new string(input.Where(c => !char.IsControl(c)).ToArray());

IsControl错过了一些控制字符，如从左到右标记（LRM）（在复制粘贴时通常隐藏在字符串中的字符）。如果您确定您的字符串只有数字和数字，那么您可以使用IsLetterOrDigit

new string(input.Where(c => char.IsLetterOrDigit(c)).ToArray())

如果你的字符串有特殊字符，那么

new string(input.Where(c => c < 128).ToArray())

Answer 4

你可以这样做：

var hChars = new char[] {...};
var result = new string(yourString.Where(c => !hChars.Contains(c)).ToArray());

Answer 5

最适合我的是：

string result = new string(value.Where(c =>  char.IsLetterOrDigit(c) || (c >= ' ' && c <= byte.MaxValue)).ToArray());

我确定该字符是任何字母或数字，以便我不会忽略任何非英文字母，或者如果它不是字母，我会检查它是否是ascii大于或等于Space的字符以确保忽略某些控制字符，这可以确保我不会忽略标点符号。

有人建议使用IsControl检查字符是否不可打印，但忽略了从左到右标记。

Answer 6

如果您知道这些字符是什么，可以使用string.Replace：

newString = oldString.Replace("?", "");

其中“？”代表你要剥离的角色。

这种方法的缺点是，如果您要删除多个字符，则需要重复进行此调用。

Answer 7

已经有一段时间但尚未得到答复。

如何在发送代码中包含HMTL内容？如果您从文件中读取它，请检查文件编码。如果您使用带签名的UTF-8（名称在编辑器之间略有不同），这可能会导致邮件开头的奇怪字符。

Answer 8

string output = new string（input.Where（c =＆gt;！char.IsControl（c））。ToArray（））; 这肯定会解决问题。我在一个字符串中有一个不可打印的替换字符（ASCII 26）导致我的应用程序中断，这行代码删除了字符

Answer 9

我使用了这种快速又脏的oneliner来清理损坏的Windows 10计算器应用程序留下的LTR / RTL标记中的某些输入。这可能与完美相去甚远，但足以快速解决问题：

string cleaned = new string(input.Where(c => !char.IsControl(c) && (char.IsLetterOrDigit(c) || char.IsPunctuation(c) || char.IsSeparator(c) || char.IsSymbol(c) || char.IsWhiteSpace(c))).ToArray());

Answer 10

TLDR 答案

使用这个正则表达式...

\P{Cc}\P{Cn}\P{Cs}

像这样...

var regex = new Regex(@"![\P{Cc}\P{Cn}\P{Cs}]");

TLDR 说明

\P{Cc} ：不要匹配控制字符。
\P{Cn} ：不要匹配未分配的字符。
\P{Cs} ：不要匹配 UTF-8 无效字符。

工作演示

在这个演示中，我使用这个正则表达式来搜索字符串 "Hello, World!"。最后那个奇怪的字符是 (char)4——这是 END TRANSMISSION 的字符。

using System;
using System.Text.RegularExpressions;

public class Test {
    public static void Main() {
        var regex = new Regex(@"![\P{Cc}\P{Cn}\P{Cs}]");
        var matches = regex.Matches("Hello, World!" + (char)4);
        Console.WriteLine("Results: " + matches.Count);
        foreach (Match match in matches) {
            Console.WriteLine("Result: " + match);
        }
    }
}

Full Working Demo at IDEOne.com

以上代码的输出：

Results: 1
Result: !

替代方案

\P{C} ：仅匹配可见字符。不匹配任何不可见字符。
\P{Cc} ：仅匹配非控制字符。不匹配任何控制字符。
\P{Cc}\P{Cn} ：仅匹配已分配的非控制字符。不匹配任何控制字符或未分配的字符。
\P{Cc}\P{Cn}\P{Cs} ：仅匹配已分配且 UTF-8 有效的非控制字符。不匹配任何控制字符、未分配字符或 UTF-8 无效字符。
\P{Cc}\P{Cn}\P{Cs}\P{Cf} ：仅匹配已分配且 UTF-8 有效的非控制、非格式化字符。不匹配任何控制、未分配、格式或 UTF-8 无效字符。

来源和说明

查看可用于在正则表达式中进行测试的 Unicode Character Properties。您应该能够在 Microsoft .NET、JavaScript、Python、Java、PHP、Ruby、Perl 中使用这些正则表达式、Golang 甚至 Adobe。了解 Unicode 字符类是非常可转移的知识，所以我推荐使用它！

从字符串中删除隐藏的字符

10 个答案:

TLDR 答案

TLDR 说明

工作演示

替代方案

来源和说明