c# - 如何使用正则表达式 C# 替换空格(unicode 到 utf-8)

Question

我正在尝试在 C# 中替换正则表达式。我尝试编写的方法用 UTF-8 中的普通空格替换一些 unicode 字符(空格)。

我用代码来解释一下。我不擅长写正则表达式、文化信息和正则表达式。

    //This method replace white spaces in unicode by whitespaces UTF-8
    public static string cleanUnicodeSpaces(string value)
    {
        //This first pattern works but, remove other special characteres
        //For example: mark accents
        //string pattern = @"[^\u0000-\u007F]+"; 
        string cleaned = ""; 
        string pattern = @"[^\u0020\u0009\u000D]+"; //Unicode characters
        string replacement = ""; //Replace by UTF-8 space
        Regex regex = new Regex(pattern);
        cleaned = regex.Replace(value, replacement).Trim(); //Trim by quit spaces
        return cleaned;
    }

Unicode 空格

• HT:U+0009 = 字符列表
• LF:U+000A = 换行
• CR:U+000D = 回车

我做错了什么？

来源

1. Unicode 字符:https://unicode-table.com/en
2. 空白:https://en.wikipedia.org/wiki/Whitespace_character
3. 正则表达式:https://msdn.microsoft.com/es-es/library/system.text.regularexpressions.regex(v=vs.110).aspx

解决方案感谢@wiktor-stribiżew 和@mathias-r-jessen，解决方案:

 string pattern = @"[\u0020\u0009\u000D\u00A0]+";
 //I include \u00A0 for replace &nbsp

Answer 1

您的正则表达式 - [^\u0020\u0009\u000D]+ - 是 negated character class匹配除常规空格 (\u0020)、制表符 (\u0009) 和回车符 (\u000D)。您实际上正在寻找一个与您指定的三个字符之一匹配的正字符类(\x0A 表示换行符，\x0D 表示回车符，\x09 表示制表符)，问题中带有常规空格 (\x20)。

你可以直接使用

var res = Regex.Replace(s, @"[\x0A\x0D\x09]", " ");

请参阅regex demo