正则表达式删除特殊/不可见字符

Question

问题是从域名中删除一些奇怪的字符，但保留特殊的unicode字符，例如重音字母（德语、波兰语丹麦语） 例如：radisson-blu.es，你看不到，但是ss之间多了一个字符。 （尝试复制到记事本中查看）。

我看过很多关于类似问题的帖子，但每个解决方案都没有删除该特殊字符，或者正在删除它，但也删除了我需要保留的其他特殊字符。

Answer 1

用空字符串替换正则表达式

[^\w\s.,!@#$%^&*()=+~`-]

Answer 2

您在那里（没有）看到的字符是 U+00AD 软连字符。您可以使用

\u00ad

在正则表达式中引用它，例如：

Regex.Replace(str, @"\u00ad", "");

但是对于单字符替换，您也可以使用

string.Replace

。

Answer 3

'\xAD'

是一个软连字符（代码点的名称是

"SOFT HYPHEN"

）。

根据Unicode代码点数据库，其类别为

"Cf"

（或

"Format"

），因此可以与正则表达式

@"\p{Cf}"

匹配。

奇怪的是，Microsoft Visual C# 2010 Express 表示它不匹配

@"\p{Cf}"

，而是匹配

@"\p{Pd}"

(

"Dash Punctuation"

)，与普通连字符属于同一类别。

Answer 4

这是一个更简单的版本：

[^\x00-\x7F]

在 Regex101 上测试： https://regex101.com/r/jHVEb5/1

Answer 5

这对我有用：

[\x00-\x1f]|[\x81\x8d\x8d\x8f\x90\x9d\xa0\u2060\uFEFF]