c# - 从字符串中删除以 SOT 开头并以 EOT 结尾的子字符串

Question

我有一个程序可以从内存中读取某些字符串。这些字符串大部分包含可识别的字符。然而，在字符串中的随机点，会出现“奇怪”的字符。我不认识的字符。通过访问允许我粘贴 Unicode 字符的站点以查看它们是什么，我发现选择的“奇怪”字符如下:

• \x{1} SOH, "标题开始", ctrl-a
• \x{2} SOT，“文本开始”
• \x{3} EOT，“文本结束”
• \x{7} BEL, bell, ctrl-g
• \x{13} dc3，设备控制三，ctrl-s
• \x{11} dc1, 设备控制一, ctrl-q
• \x{14} dc4，设备控制四，ctrl-t
• \x{1A} sub, substitute, ctrl-z
• \x{6} ack, acknowledge, ctrl-f

我想解析我的字符串以删除这些字符。不过，通过查看字符串，我发现所有不需要的字符总是分别被 SOT 和 EOT 包围。

因此，我认为我的问题是:如何从字符串中删除所有出现的以 SOT 开头并以 EOT 结尾的子字符串？

---

编辑:尝试解决

使用@RagingCain 的想法，我做了以下方法:

    private static string RemoveInvalidCharacters(string input)
    {
        while (true)
        {
            var start = input.IndexOf('\u0002');
            var end = input.IndexOf('\u0003', start);

            if (start == -1 || end == -1) break;

            Console.WriteLine(@"Start: " + start + @". End: " + end);
            var diff = end - start;
            input = input.Remove(start, diff);
        }
        return input;
    }

它成功了，再次感谢。

Answer 1

Regex 将是您的解决方案，应该可以正常工作。您可以将这些字符分配给 Pattern，您可以使用子方法 Match 或者甚至只是 Replace 用空格 ""，或者使用 ""将它们一起从字符串中删除。

正则表达式替换:https://msdn.microsoft.com/en-us/library/xwewhkd1(v=vs.110).aspx

正则表达式匹配:https://msdn.microsoft.com/en-us/library/bk1x0726(v=vs.110).aspx

正则表达式示例:

 public static void Main()
 {
   string input = "This is   text with   far  too   much   " + 
                  "whitespace.";
   string pattern = "\\s+";
   string replacement = " ";
   Regex rgx = new Regex(pattern);
   string result = rgx.Replace(input, replacement);

   Console.WriteLine("Original String: {0}", input);
   Console.WriteLine("Replacement String: {0}", result);                             
 }

我知道无法“看到”它们的困难，因此您应该通过 Unicode 本身将它们分配给 Char 变量，将它们添加到模式中以进行替换。

字符变量:https://msdn.microsoft.com/en-us/library/x9h8tsay.aspx

文本开头的 Unicode: http://www.fileformat.info/info/unicode/char/0002/index.htm

文本结尾的 Unicode: http://www.fileformat.info/info/unicode/char/0003/index.htm

要应用于您的解决方案:字符串是否包含 SOT、EOT。如果为真，则删除整个字符串/子字符串/SOT 或 EOT。

将原始字符串拆分为字符串[]，然后逐行处理可能更容易...在不知道字符串是什么样子的情况下很难解析你的字符串，所以希望我提供了一些有用的东西 ^.^