c＃字符串中的正则表达非字母字符

Question

我的术语可能有点在这里，但我试图从C＃中的字符串中删除非字母，所以删除破折号＆符号等，但保留重音字符和中文字符之类的东西。我在SO上看到的所有C＃示例都有一个像new Regex("[^a-zA-Z0-9 -]");这样的正则表达式，但我的需求超出了ascii字符。

string input = "I- +AM. 相关 AZURÉE& /30%";

string output = "I AM 相关 AZURÉE 30";

Answer 1

一个好的起点是根据Unicode character class删除字符。例如，此代码删除所有被标识为标点符号，符号或控制字符的内容：

string input = "I- +AM. 相关 AZURÉE& /30%";
var output = Regex.Replace(input, "[\\p{S}\\p{C}\\p{P}]", "");

您也可以尝试使用白名单方法，只允许某些类。例如，这只保留字母，变音符号，数字和间距字符：

var output = Regex.Replace(input, "[^\\p{L}\\p{M}\\p{N}\\p{Z}]", "");

<强> See it in action

Answer 2

string result = string.Concat(input.Where(c => Char.IsLetterOrDigit(c)));