替換爲正則表達式

Question

在我們的應用程序中，用戶正在輸入數據從MS字到asp.net textarea控件，最後數據保存在SQL Server中。由於某些原因，從SQL Server Management Studio查看時，幾乎沒有垃圾字符看起來像小方塊。

這在生成Crystal Reports時會導致錯誤。

我需要一個正則表達式，它會將所有這些字符和子彈一起剝離。唯一有效的輸入是

A-Z, a-z , 0-9, ~ ! @ # % $^& * () _ + | ` - = \ {}:">? < [ ] ; ' , ./

此外，標籤空間應替換爲單個空格。輸入鍵或新行是允許的。

目前我使用

Regex.Replace(data, @"[^\u0000-\u007F]", " "); 

，但它不會努力消除子彈或製表符空格。

任何正則表達式忍者都可以幫我解決這個問題嗎？提前致謝。

Answer 1

您可以使用兩個正則表達式。首先使用"\t|<bullet>"（其中<bullet>代表子彈的表示），首先使用空格替換TAB和子彈（" "）。第二種模式是包含有效字符列表的否定字符集，用於替換無效字符的空字符串（""），即刪除它們。因爲你需要保持CR和LF字符（空格），必須將它們添加到該組的有效字符：

using System; 
using System.Text.RegularExpressions; 

static class Program 
{ 
    public static void Main() 
    { 
    string pattern1 = @"\t"; 
    Regex regex1 = new Regex(pattern1, RegexOptions.Compiled); 
    string pattern2 = @"[^A-Za-z0-9~!#$^&*()_+|`\-=\\{}:"">?<\[\];',./ \r\n]"; 
    Regex regex2 = new Regex(pattern2, RegexOptions.Compiled); 

    string input = "ABZabz09~!#$^&*()_+|`-=\\{}:\">?<[];',./ \r\nárvíztűrő\ttükörfúrógép"; 
    string temp = regex1.Replace(input, " "); 
    string output = regex2.Replace(temp, ""); 
    Console.WriteLine(input); 
    Console.WriteLine(output); 
    Console.ReadKey(true); 
    } 
} 

輸出：

ABZabz09~!#$^&*()_+|`-=\{}:">?<[];',./ 
árvíztűrő  tükörfúrógép 
ABZabz09~!#$^&*()_+|`-=\{}:">?<[];',./ 
rvztr tkrfrgp 

注意árvíztűrő後的TAB被替換一個空間。

關於子彈：

我在Word中製作項目符號列表，並將它複製到網頁中的文本區域。然後我保存了HTML並發現子彈保存爲UTF-8編碼字符E280A2。這就是我在「子彈的代表」之上所稱的。你應該找出可能的符號字符的二進制表示，並將其添加到第一個模式：一方或他們的TAB字符，或者把所有的人都爲一個字符集：

using System; 
using System.Text; 
using System.Text.RegularExpressions; 

static class Program 
{ 
    public static void Main() 
    { 
    byte[] bulletBytes = new byte[] { 0xE2, 0x80, 0xA2 }; 
    string bullet= Encoding.UTF8.GetString(bulletBytes); 

    string pattern1 = @"[\t" + bullet + "]"; 
    Regex regex1 = new Regex(pattern1, RegexOptions.Compiled); 
    string pattern2 = @"[^A-Za-z0-9~!#$^&*()_+|`\-=\\{}:"">?<\[\];',./ \r\n]"; 
    Regex regex2 = new Regex(pattern2, RegexOptions.Compiled); 

    string input = 
     bullet + "ABZabz09~!#$^&*()_+|`-=\\{}:\">?<[];',./ \r\n" + 
     bullet + "árvíztűrő\ttükörfúrógép"; 
    string temp = regex1.Replace(input, " "); 
    string output = regex2.Replace(temp, ""); 
    Console.OutputEncoding = Encoding.UTF8; 
    Console.WriteLine(input); 
    Console.WriteLine(output); 
    Console.ReadKey(true); 
    } 
} 

輸出（你應該改變控制檯字體爲Lucida Console看到子彈）：

•ABZabz09~!#$^&*()_+|`-=\{}:">?<[];',./ 
•árvíztűrő  tükörfúrógép 
ABZabz09~!#$^&*()_+|`-=\{}:">?<[];',./ 
rvztr tkrfrgp 

現在除了TAB，在每行開頭的子彈也被替換爲空。

Answer 2

我認爲你應該診斷潛在的問題，而不是說「某種原因」，並試圖修復的症狀，但是這不是你的問題：

你會想這個表達式：

[^A-Za-z0-9~!\#\$\^&\*\(\)_\+\|`\-\=\\\{\};"\>\?\<\[\]:',\.\/] 

要匹配任何不允許的字符，然後您想用String.Empty替換它。然後你只想匹配：

\t 

並用" "替換它。