Thay thế bằng Regex

Question

Trong ứng dụng của chúng tôi, người dùng đang nhập dữ liệu từ MS từ vào điều khiển văn bản asp.net và cuối cùng dữ liệu được lưu trong SQL Server. Đối với một số lý do, có vài ký tự rác trông giống như hình vuông nhỏ khi xem từ SQL Server Management Studio.

Điều này gây ra lỗi khi tạo Báo cáo tinh thể.

Tôi cần một regex sẽ loại bỏ tất cả các ký tự đó cùng với dấu đầu dòng. Dữ liệu nhập hợp lệ duy nhất là

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

Ngoài ra, không gian tab phải được thay thế bằng một dấu cách. Nhập khóa hoặc Dòng mới được cho phép.

Hiện nay tôi đang sử dụng

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

nhưng nó sẽ không làm việc để loại bỏ đạn hoặc các không gian tab.

Có thể bất kỳ ninja regex nào giúp tôi khắc phục sự cố này không? Cảm ơn trước.

Answer 1

Bạn có thể sử dụng hai regex. Đầu tiên, với mẫu "\t|<bullet>" (trong đó <bullet> là viết tắt của biểu diễn viên đạn) được sử dụng trước tiên, để thay thế TAB và dấu đầu dòng bằng dấu cách (" "). Thứ hai, mẫu là bộ ký tự phủ định chứa danh sách các ký tự hợp lệ của bạn, được sử dụng thứ hai, để thay thế các ký tự không hợp lệ bằng chuỗi rỗng (""), tức là loại bỏ chúng. Vì bạn cần phải giữ cho CR và LF ký tự (và không gian), chúng phải được bổ sung vào bộ ký tự hợp lệ:

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); 
    } 
} 

Output:

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

Lưu ý rằng TAB sau árvíztűrő được thay thế bằng một không gian duy nhất.

Về đạn:

tôi đã thực hiện một danh sách gạch đầu dòng trong Word và sao chép nó vào một textarea trong một trang web. Sau đó, tôi đã lưu HTML và tìm ra rằng các viên đạn được lưu dưới dạng ký tự được mã hóa UTF-8 E280A2. Đây là những gì tôi gọi là "biểu diễn viên đạn" ở trên. Bạn nên tìm ra các biểu diễn nhị phân của các nhân vật đạn càng tốt và thêm chúng vào mô hình đầu tiên: hoặc OR họ với nhân vật TAB, hoặc đặt tất cả trong số họ thành một bộ ký tự:

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); 
    } 
} 

Output (bạn nên thay đổi console phông chữ để Lucida console để xem viên đạn):

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

Bây giờ, thêm vào TAB, viên đạn vào đầu mỗi dòng cũng đã được thay thế bằng một không gian.

Answer 2

Tôi nghĩ rằng bạn nên được chẩn đoán vấn đề cơ bản, thay vì nói "một số lý do" và cố gắng để sửa chữa các triệu chứng, nhưng đó không phải là câu hỏi của bạn:

Bạn sẽ muốn regex này:

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

Để khớp với bất kỳ ký tự nào không được phép và sau đó bạn sẽ muốn thay thế ký tự đó bằng String.Empty. Sau đó, bạn sẽ chỉ muốn đối sánh:

\t 

Và thay thế bằng " ".