如何从 c# 中的 UTF8 文本中删除所有特殊字符？答案

【问题标题】：How can I remove all special chars from UTF8 text in c#?如何从 c# 中的 UTF8 文本中删除所有特殊字符？
【发布时间】：2016-06-07 10:40:11
【问题描述】：

我想从我的 UTF8 文本中删除所有特殊字符，但我找不到任何匹配的正则表达式。

我的文字是这样的：

ASDÉÁPŐÓÖŰ_->,.!"%=%!HMHF

我只想删除这些字符：_->,.!"%=%!

我试过这个正则表达式：

result = Regex.Replace(text, @"([^a-zA-Z0-9_]|^\s)", "");

但它也会删除我的 uft8 字符。

我不想删除重音字符，但我想删除所有字形。

【问题讨论】：

请定义“特殊字符”。 Uncode 包含数以万计的分类字符：说明您要保留哪些类别将是一个开始（并且“utf8 char”没有任何意义，UTF-8 只是将 Unicode 代码点编码为八位字节流，它说与字符分类无关）。
\P{L} 应该匹配任何不是字母的东西。
我不认为它是重复的。我不需要确定它是否包含 utf-8。我想从 utf8 字符串中删除所有字形和其他字形。我不想删除重音字符...

【解决方案1】：

Regex.Replace(text, @"([^\w]|_)", "")

【讨论】：

【解决方案2】：

你只想要数字和字母？

那么这就是你的解决方案：

result = Regex.Replace(text, "[^0-9a-zA-Z]+", "");

如果您想在字符串中保留自定义方式，您也可以尝试在 ASCII 表中指定一个范围：

result = Regex.Replace(text, "[^\x00-\x80]+", "");

【讨论】：