c# - 从字符串中删除无法识别的 ASCII 字符

Question

我正在使用 HTML Agility Pack 解析 html，有时我会得到看起来很奇怪的字符串，例如:“–”。删除它们的最简单方法是什么？顺便说一下，我正在使用 C#。

Answer 1

您可能首先需要调查为什么会得到这些字符，这很可能是编码出了问题

但是如果您确实需要从字符串中删除所有非 ascii 字符，正则表达式 [^ -~] 就可以了

        var stripped = Regex.Replace("străipped of baâ€d charâ€cters", "[^ -~]", "");
        Console.WriteLine(stripped); //outputs "stripped of bad characters"

参见 http://www.catonmat.net/blog/my-favorite-regex/用于解释为什么该正则表达式有效