正则表达式替换无效字符答案

【问题标题】：Regex to replace invalid characters正则表达式替换无效字符
【发布时间】：2010-10-07 21:20:19
【问题描述】：

我对 RegEx 没有太多经验，因此我使用了许多链接的 String.Replace() 调用来删除不需要的字符——有没有我可以编写的 RegEx 来简化这一点？

string messyText = GetText();
string cleanText = messyText.Trim()
         .ToUpper()
         .Replace(",", "")
         .Replace(":", "")
         .Replace(".", "")
         .Replace(";", "")
         .Replace("/", "")
         .Replace("\\", "")
         .Replace("\n", "")
         .Replace("\t", "")
         .Replace("\r", "")
         .Replace(Environment.NewLine, "")
         .Replace(" ", "");

谢谢

【问题讨论】：

即使这不是您首选的编码约定，如果您将每个 .Replace() 放在一个新行上，这将有助于该网站的可读性，因此不会出现大的水平滚动。跨度>

标签： c# regex

【解决方案1】：

试试这个正则表达式：

Regex regex = new Regex(@"[\s,:.;/\\]+");
string cleanText = regex.Replace(messyText, "").ToUpper();

\s 是等价于[ \t\r\n] 的字符类。

如果您只想保留字母数字字符，而不是将现有的每个非字母数字字符添加到字符类中，您可以这样做：

Regex regex = new Regex(@"[\W_]+");
string cleanText = regex.Replace(messyText, "").ToUpper();

其中\W 是任何非单词字符（不是[^a-zA-Z0-9_]）。

【讨论】：

\s 也包含\v 和\f，但是这些不是很常用，所以应该没问题。
您需要 RegexOptions.Multiline 还是您的正则表达式会处理它？
@Preet 我相信RegexOptions.Multiline 只会影响字符串锚点^ 和$ 的开始和结束的行为，但我可能是错的。
原来第二个选项是我真正在寻找的

【解决方案2】：

Character classes 来救援！

string messyText = GetText();
string cleanText = Regex.Replace(messyText.Trim().ToUpper(), @"[,:.;/\\\n\t\r ]+", "")

【讨论】：

@kevingessner: 使用 @"..." 否则你的 \t \r \n 将被 .NET 转化为他们的空白等价物。或者转义它们，但我认为 @ 更具可读性。
@quantumSoup, @Dinah：您不需要转义它们或使用@ - 空白等价物会匹配得很好。虽然通常使用带有正则表达式的逐字字符串是一个好主意。但这里没有必要。当然，他的代码确实替换了反斜杠（他（正确）确实转义的唯一字符）。
@Tim 现在可以了，但不是没有逐字字符串。
@Tim Pietzcker：好点；我的错。 @kevingessner：由于您要替换所有空格，因此不需要Trim()。此外，空格、\n、\t 和 \r 可以像 Rogue 一样用 \s 共同替换。
@quantumSoup：你说得对，`\` 在非逐字字符串中是行不通的。时间不早了，我该睡觉了……

【解决方案3】：

您可能想要使用白名单方法，有一大堆有趣的角色，其效果取决于组合可能不容易计算。

一个简单的正则表达式可以删除除允许的字符之外的所有内容，如下所示：

messyText = Regex.Replace(messyText, @"[^a-zA-Z0-9\x7C\x2C\x2E_]", "");

除了此正则表达式允许的字母数字字符外，^ 用于反转选择| , .和_您可以根据需要添加和删除字符和字符集。

【讨论】：