c# - 有没有办法构造一个正则表达式来排除高于或低于某个值的 ASCII 字符？

Question

我们需要限制字符串中的有效/允许的字符。我们得到的规则如下:

• 空格替换为下划线
• 长度限制为 256(编译器限制)
• 必须介于 ASCII 代码 32(空格)和 126 (~) 之间，并且...
• 它不能包含以下任何内容:
  • :(冒号)
  • ； (分号)
  • ,(逗号)
  • '(单引号)
  • "(双引号)
  • \t(制表符)
  • \n(换行)
  • \r(回车)
  • \\(反斜杠)

任何不符合上述规则的内容都应该用下划线替换。 (我们可以简单地在最后修剪长度规则，除非正则表达式中也有一些东西可以解决这个问题。)

现在我知道如何通过创建这样的类来声明允许的字符，例如字母数字字符......

[a-zA-Z0-9]

...然后在像这样的 Replace 调用中使用相反的值(注意前导克拉)...

var cleanedString = RegEx.Replace(sourceString, "[^a-zA-Z0-9]", replacementString);

...但是我如何处理范围(“必须在 ' ' 和 '~' 之间”条件)以及特别排除的字符？你会像这样进行“或”运算吗？

var cleanedString = RegEx.Replace(sourceString, @"[^ -~]|[;:,'""\t\n\r\\]", replacementString);

注意:这就是在“”(空格)和“~”之间开始范围的方式吗？不确定我是否必须以某种方式显式地逃离该空间。

更一般地说，就像问题标题所问的那样，规则是必须高于 32，但没有上限。如何指定这样一个开放式范围？

Answer 1

第三条规则标识的字符范围称为 ASCII printable characters .

您可以使用表达式[\x20-\x7E]。

您还可以使用 Unicode 表达式 \P{C}。

POSIX 字符类 [:print:] 似乎合适，但 .NET 的正则表达式似乎不支持；我尝试的时候没有成功。

引用:http://www.regular-expressions.info/posixbrackets.html

更新:下面是针对OP所述问题的整体解决方案:

static string StripInvalidCharacters(string input)
{
    return new System.Text.RegularExpressions.Regex(@"\s|[:;,'""\\]|\p{C}").Replace(input, "_");
}

注意:实际上，您可能希望在此方法之外创建 Regex 对象，以避免每次调用此方法时都重新创建它。

我定义了一个匹配以下条件的表达式:

• 任何空格字符(空格、制表符、回车或换行符)
• 其中之一:冒号、分号、逗号、单引号、双引号、反斜杠
• 任何控制字符。请注意，我在表达式\p{C} 中使用了小写 p，而不是上面在原始答案中提到的大写 P。这是因为大写的 P 否定了 {C} 部分，这意味着“所有控制字符”(引用: http://msdn.microsoft.com/en-us/library/20bw873z.aspx )。因此，表达式\P{C} 基本上意味着“任何不是控制字符”，但在这个代码示例中，因为我用下划线替换字符，所以我想匹配“任何符合以下条件的字符”: 是一个控制字符”，所以我使用\p{C} 表达式。