Comment faire pour supprimer le mot non-ASCII d'une chaîne en C#

Question

Je veux filtrer une chaîne qui a des lettres fausses (non ASCII). Il semble différent dans Notepad, Visual Studio 2010 et MySQL.

Comment puis-je vérifier si une chaîne a des lettres non-ASCII et comment je peux les supprimer?

Answer 1

Vous pouvez utiliser une expression régulière pour filtrer les caractères non ASCII:

string input = "AB £ CD"; 
string result = Regex.Replace(input, "[^\x0d\x0a\x20-\x7e\t]", ""); 

Answer 2

Vous pouvez utiliser des expressions régulières.

Regex.Replace(input, "[^a-zA-Z0-9]+", "") 

Vous pouvez également utiliser \W+ comme motif pour enlever tout caractère non.

Answer 3

Je pense que quelque chose d'aussi simple que cela marcherait probablement, ne serait-il?

public static string AsciiOnly(this string input, bool includeExtendedAscii) 
{ 
    int upperLimit = includeExtendedAscii ? 255 : 127; 
    char[] asciiChars = input.Where(c => (int)c <= upperLimit).ToArray(); 
    return new string(asciiChars); 
} 

Exemple d'utilisation:

string input = "AB£ȼCD"; 
string asciiOnly = input.AsciiOnly(false); // returns "ABCD" 
string extendedAsciiOnly = input.AsciiOnly(true); // returns "AB£CD" 

Answer 4

Tout d'abord, vous devez déterminer ce que vous entendez par un "mot". Si non-ascii, cela implique probablement non-anglais?

Personnellement, je vous demanderais pourquoi vous avez besoin de faire cela et quelle est l'hypothèse fondamentale de votre application qui est en conflit avec vos données? Selon la situation, je vous suggère soit de recoder le texte à partir du codage source, bien qu'il s'agisse d'une conversion avec perte, ou bien d'adresser cette hypothèse fondamentale pour que votre application gère correctement les données.

Answer 5

Cela a été un Dieu-send:

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

Je pense que je l'ai d'ailleurs à l'origine, mais voici un lien vers la même réponse ici:

How can you strip non-ASCII characters from a string? (in C#)