如何根据其代码页索引从字符串中删除字符？

Question

我正在用 C# 编写一个 .NET 软件，它应该将数据从一个数据库传输到另一个数据库。 每个索引大于 127codepage 1252 的字符都会在目标数据库中引起问题，因此我想在将这些字符从值（字符串）中删除之前，再将它们写入目标数据库。 p>

我一直在搜索和尝试很多，但直到现在我只找到了针对 ASCII 或 UTF 索引执行此操作的解决方案。我需要代码页 1252 索引的解决方案。

编辑：这是迄今为止我最接近的方法：

protected string GetSqlValue(string input, bool isStringValue = true)
{
    if (string.IsNullOrWhiteSpace(input)) return "''";
    else
    {
        //TODO: remove all characters with an index greater than 127 in codepage 1252.
        Encoding targetEncoding = Encoding.GetEncoding(1252);
        byte[] tmp = targetEncoding.GetBytes(input);
        for (int i=0;i<tmp.Length;i++)
        {
            if (tmp[i] > 127) tmp = tmp.Where((source, index) => index != i).ToArray();
        }
        input = targetEncoding.GetString(tmp);

        if (isStringValue) return "'" + input + "'";
        else return input;
    }
}

Answer 1

我不得不承认我对问题的根源有误。 原来，一些数据还包含几个撇号。那些破坏了目标数据库的 DDL 和 DML 语句。 我还必须防止德语变音符号也被删除。

所以我的方法的最终版本现在看起来像这样：

/// <summary>
/// Gets the SQL value as German characters of codepage 1252.
/// </summary>
/// <param name="input">The string to convert for the target database.</param>
/// <param name="isStringValue">if set to <c>true</c> return encapsulated in single quotation marks.</param>
/// <returns>"''", or the value itself.</returns>
protected string GetSqlValue(string input, bool isStringValue = true)
{
    if (string.IsNullOrWhiteSpace(input)) return "''";
    else
    {
        Encoding targetEncoding = Encoding.GetEncoding(1252);

        // Remove all characters that are not part of codepage 1252.
        input = targetEncoding.GetString(targetEncoding.GetBytes(input));

        // Remove unsupported special characters.
        byte[] tmp = targetEncoding.GetBytes(input);
        for (int i = 0; i < tmp.Length; i++)
        {
            // Don't delete German umlauts.
            if (tmp[i] == 0xc4 /* Ä */ || tmp[i] == 0xe4 /* ä */ || tmp[i] == 0xd6 /* Ö */ || tmp[i] == 0xf6 /* ö */ || tmp[i] == 0xdc /* Ü */ || tmp[i] == 0xfc /* ü */) continue;

            // Delete non German characters and all kind of apostrophes.
            if (tmp[i] >= 0x80 || tmp[i] < 0x20 || tmp[i] == 0x27 || tmp[i] == 0x60) tmp = tmp.Where((source, index) => index != i).ToArray();
        }
        input = targetEncoding.GetString(tmp);

        if (isStringValue) return "'" + input + "'";
        else return input;
    }
}

非常感谢您的帮助。

P.S.：我知道这个问题不是应该的。一旦我更多地了解这里应该如何做，我会做得更好。

Answer 2

在我向您展示您的问题的解决方案之前，我建议您先查看一下您的编码（在 DB 和代码中）并解决这些问题，而不是删除字符。

您的解决方案忽略了单个字符可以由多个字节表示。这里是一个 unicode 示例：

Console.WriteLine("a: " + string.Join("-", Encoding.Unicode.GetBytes("a").Select(s => s.ToString("X2"))));
Console.WriteLine("€: " + string.Join("-", Encoding.Unicode.GetBytes("€").Select(s => s.ToString("X2"))));

您必须检查字符串中的每个字符并仅选择符合您要求的字符。

static void Main(string[] args)
{
    string str = "abc€def!\"§$%&/()=?`";

    var enc = Encoding.GetEncoding(1252);

    Console.WriteLine("All:     " + str);
    // Select all chars which have a total value below 128
    IEnumerable<char> chars = str.Where(s => ConvertLittleEndian(enc.GetBytes(s + "")) < 128);

    // reassamble string
    Console.WriteLine("Reduced: " + String.Concat(chars));
}

static ulong ConvertLittleEndian(byte[] array)
{
    int pos = 0;
    ulong result = 0;
    foreach (byte by in array)
    {
        result |= ((ulong)by) << pos;
        pos += 8;
    }
    return result;
}

静态方法ConvertLittleEndian() 是这个问题的第一个答案的副本： Convert byte array to int