如何从字符串中删除非INTERNATIONAL字母数字字符

本文关键字：INTERNATIONAL 数字字符 删除 字符串 | 更新日期: 2023-09-27 18:00:34

在不删除非拉丁字母数字字符（如'Ж', 'ק', 'ओ', 'を'）的情况下，如何从字符串中删除（或识别）非字母数字字符，如'-', '*', '‡', '€', '⁋', '™'？

删除部分很容易，我的问题是区分非拉丁字母和非拉丁符号。


*所有现有的问答；A我发现过滤掉了非拉丁字母。

如何从字符串中删除非INTERNATIONAL字母数字字符

一个简单的解决方案（仅适用于基本BMP字符）是：

string str = "-*‡€⁋™Жקओを";
var sb = new StringBuilder();
foreach (char ch in str)
{
    bool isLetter = char.IsLetterOrDigit(ch);
    if (isLetter)
    {
        sb.Append(ch);
    }
}
string str2 = sb.ToString();

Char.IsLetterOrDigit被描述为：

指示指定的Unicode字符分类为字母还是十进制数字。

如果你想支持代理对，它会变得更复杂：

// 'U0001F000 is MAHJONG TILE EAST WIND
// 'U0001D49E is MATHEMATICAL SCRIPT CAPITAL C
string str = "-*‡€⁋™Жקओを'U0001F000'U0001D49E";
var sb = new StringBuilder();
for (int i = 0; i < str.Length; i++)
{
    bool isLetter = char.IsLetterOrDigit(str, i);
    bool isHighSurrogate = char.IsHighSurrogate(str[i]);
    if (isLetter)
    {
        sb.Append(str, i, isHighSurrogate ? 2 : 1);
    }
    if (isHighSurrogate && i + 1 < str.Length && char.IsLowSurrogate(str[i + 1]))
    {
        i++;
    }
}
string str2 = sb.ToString();
相关文章：