如何从字符串的开头和结尾删除不可见的 unicode 字符？答案

【问题标题】：How do I remove invisible unicode characters from the beginning and the end of a string?如何从字符串的开头和结尾删除不可见的 unicode 字符？
【发布时间】：2019-11-15 05:27:46
【问题描述】：

如何以可靠的方式从字符串的开头和结尾删除不可见字符？就我而言，我的字符串以 Left-to-Right Embedding [LRE] 字符开头。但是，string.Trim() 不会删除它，如下所示：

var myString = "\u202atest";
myString.Trim();
// Prints:
// "‪test"
myString.Trim().ToCharArray();
// Prints:
// {char[5]}
//     [0]: 8234 '‪'
//     [1]: 116 't'
//     [2]: 101 'e'
//     [3]: 115 's'
//     [4]: 116 't'

.NET Framework API 中是否有可以修剪所有此类字符的函数？我假设不止这个，我想避免手动指定每个。

【问题讨论】：

标签： c# .net unicode

【解决方案1】：

不可见是不明确的。符合 Unicode 的解决方案：正则表达式类 general categories [\p{Control}\p{Format}\p{Nonspacing_Mark}\p{Enclosing_Mark}\p{Line_Separator}\p{Paragraph_Separator}] 中的字符没有显示宽度。将它们替换为空。

$ length "\x{202a}test" =~ s/[\p{Cc}\p{Cf}\p{Mn}\p{Me}\p{Zl}\p{Zp}]//r
4

在 C# 中：

public static string RemoveCharactersWithoutDisplayWidth(this string str)
{
    var regex = new Regex(@"[\p{Cc}\p{Cf}\p{Mn}\p{Me}\p{Zl}\p{Zp}]");
    return regex.Replace(str, "");
}

【讨论】：

【解决方案2】：

你可以试试：

mystring = myString.Trim('\u202a');

如果你有更多相似的字符需要修剪，你可以将这些字符定义为一个数组。

char[] trimChars = {'\u202a','\u202b'};//More chars as your wish
mystring = myString.Trim(trimChars);

【讨论】：

【解决方案3】：

您可以尝试分析字节数：

var s = "\u202atest";
string s2 = null;
byte[] bytes = new byte[s.Length * sizeof(char)];
Buffer.BlockCopy(s.ToCharArray(), 0, bytes, 0, bytes.Length);
if (bytes[0] == 0x2a && bytes[1] == 0x20)
{
    char[] c = new char[(bytes.Length - 2) / sizeof(char)];
    Buffer.BlockCopy(bytes, 2, c, 0, bytes.Length - 2);
    s2 = new string(c);
}
var c2 = s2.ToCharArray();

【讨论】：