替换所有非ASCII字符,C#中的直角字符除外

时间:2010-11-15 11:16:07

标签: c# regex non-ascii-characters

编写文件实用程序以从文件中去除所有非ASCII字符。我有这个正则表达式:

Regex rgx = new Regex(@"[^\u0000-\u007F]");

哪个工作正常。但不幸的是,我发现一些愚蠢的人在他们的文件中使用直角(¬)作为分隔符,所以这些也被剥离了,但我需要那些!

我是Regex的新手,我确实了解基础知识,但任何帮助都会很棒!

提前致谢!

2 个答案:

答案 0 :(得分:3)

您只需要在集合中包含尖括号的代码点:

试试这个:

Regex rgx = new Regex(@"[^\uxxxx\u0000-\u007F]");

或者这个:

Regex rgx = new Regex(@"[^\uxxxx-\uxxxx\u0000-\u007F]");

(其中xxxx是您要保留的字符的Unicode代码点。)

这里给出两个选项的原因是我知道你可以在一个负字符组中指定多个范围,但我不知道你是否可以匹配具有范围的单个字符。

答案 1 :(得分:1)

Jon的回答绝对正确。您可能正在为该角色使用错误的代码。对于外观相似的字符,请尝试以下操作:

Regex regex = new Regex(@"([^\u00ac\u0000-\u007F])");
Regex regex = new Regex(@"([^\u02fa\u0000-\u007F])");
Regex regex = new Regex(@"([^\u031a\u0000-\u007F])");

我认为第一个应该工作。