如何从 C# 中的字符串中删除多个、重复和不必要的标点符号？

Question

考虑这样的字符串：

"This is a string....!"
"This is another...!!"
"What is this..!?!?"
...
// There are LOTS of examples of weird/angry sentence-endings like the ones above.

我想把末尾不必要的标点符号替换成这样：

"This is a string!"
"This is another!"
"What is this?"

我基本上做的是： - 按空间分割 - 检查字符串中的最后一个字符是否包含标点符号 - 开始用下面的模式替换

我尝试了一个非常大的“.Replace(string, string)”函数，但它不起作用 - 我猜必须有一个更简单的正则表达式。

文档：

返回一个新字符串，其中当前实例中出现的所有指定字符串都替换为另一个指定字符串。

还有：

由于此方法返回修改后的字符串，您可以将连续调用 Replace 方法链接在一起，以对原始字符串执行多次替换。

这里有什么问题。

编辑：所有建议的解决方案都可以正常工作！非常感谢你！ 这是最适合我的项目的解决方案：

Regex re = new Regex("[.?!]*(?=[.?!]$)");
string output = re.Replace(input, "");

Answer 1

您的解决方案几乎可以正常工作 (demo)，唯一的问题是同一序列可以从不同位置开始匹配。例如，最后一行中的 ..!?!? 不是替换列表的一部分，因此 ..!? 和 !? 被两个单独的匹配项替换，在输出中生成 ??。

看起来您的策略非常简单：在多个标点字符链中，最后一个字符获胜。您可以使用正则表达式进行替换：

[!?.]*([!?.])

并将其替换为$1，即具有最后一个字符的捕获组：

string s;
while ((s = Console.ReadLine()) != null) {
    s = Regex.Replace(s, "[!?.]*([!?.])", "$1");
    Console.WriteLine(s);
}

Demo

Answer 2

简单

[.?!]*(?=[.?!]$)

应该为你做。喜欢

Regex re = new Regex("[.?!]*(?=[.?!]$)");
Console.WriteLine(re.Replace("This is a string....!", ""));

这将替换所有标点符号，但最后一个什么都没有。

[.?!]* 匹配任意数量的连续标点字符，(?=[.?!]$) 是正向前瞻，确保它在字符串末尾留下一个。

See it here at ideone.

Answer 3

或者你可以不使用正则表达式：

    string TrimPuncMarks(string str)
    {
        HashSet<char> punctMarks = new HashSet<char>() {'.', '!', '?'};

        int i = str.Length - 1;
        for (; i >= 0; i--)
        {
            if (!punctMarks.Contains(str[i]))
                break;
        }

        // the very last punct mark or null if there were no any punct marks in the end
        char? suffix = i < str.Length - 1 ? str[str.Length - 1] : (char?)null;

        return str.Substring(0, i+1) + suffix;
    }

    Debug.Assert("What is this?" == TrimPuncMarks("What is this..!?!?"));
    Debug.Assert("What is this" == TrimPuncMarks("What is this"));
    Debug.Assert("What is this." == TrimPuncMarks("What is this."));