匹配不可打印/非 ascii 字符并从文本中删除

Question

我的 JavaScript 很生锈，所以任何帮助都会很棒。我需要检测不可打印的字符（控制字符，如 SOH、BS 等）以及扩展的 ascii 字符（如字符串中的 Ž）并删除它们，但我不知道如何编写代码？

任何人都可以为我指出正确的方向吗？这是我目前所拥有的：

$(document).ready(function() {
    $('.jsTextArea').blur(function() {
        var pattern = /[^\000-\031]+/gi;
        var val = $(this).val();
        if (pattern.test(val)) {    
        for (var i = 0; i < val.length; i++) {
            var res = val.charAt([i]);
                alert("Character " + [i] + " " + res);              
        }          
    }
    else {
         alert("It failed");
     }

    });
});

Answer 1

您必须将模式（而不是字符串）分配给isNonAscii 变量，然后使用test() 检查它是否匹配。 test() 返回真或假。

$(document).ready(function() {
    $('.jsTextArea').blur(function() {
        var pattern = /[^\000-\031]+/gi;
        var val = $(this).val();
        if (pattern.test(val)) {
            alert("It matched");
        }
        else {
            alert("It did NOT match");
        }
    });
});

查看jsFiddle

Answer 2

无需测试，直接处理文本框内容即可：

textBoxContent = textBoxContent.replace(/[^\x20-\x7E]+/g, '');

\x20-\x7E 的范围覆盖了 ascii 表的可打印部分。

代码示例：

$('.jsTextArea').blur(function() {
    this.value = this.value.replace(/[^\x20-\x7E]+/g, '');
});

Answer 3

要定位不属于可打印基本 ASCII 范围的字符，您可以使用这个简单的正则表达式：

[^ -~]+

说明：ASCII table 的前 128 个字符中，可打印范围以空格字符开始，以波浪号结束。这些是您要保留的字符。该范围用[ -~] 表示，不在该范围内的字符用[^ -~] 表示。这些是我们要替换的。因此：

result = string.replace(/[^ -~]+/g, "");

Answer 4

对于那些遇到此问题并正在寻找“修复所有”解决方案的人...这就是我最终修复它的方式：

public static string RemoveTroublesomeCharacters(string inString)
{
    if (inString == null)
    {
        return null;
    }

    else
    {
        char ch;
        Regex regex = new Regex(@"[^\u0000-\u007F]", RegexOptions.IgnoreCase);
        Match charMatch = regex.Match(inString);

        for (int i = 0; i < inString.Length; i++)
        {
            ch = inString[i];
            if (char.IsControl(ch))
            {
                string matchedChar = ch.ToString();
                inString = inString.Replace(matchedChar, string.Empty);
            }
        }

        while (charMatch.Success)
        {
            string matchedChar = charMatch.ToString();
            inString = inString.Replace(matchedChar, string.Empty);
            charMatch = charMatch.NextMatch();
        }
    }       

    return inString;
}

我会为那些经验不足的人分解更多细节：

1. 我们首先遍历整个字符串的每个字符，并使用char的IsControl方法来判断一个字符是否为控制字符。

2. 如果找到控制字符，将匹配的字符复制到字符串，然后使用 Replace 方法将控制字符更改为空字符串。冲洗并重复其余的字符串。

3. 一旦我们遍历了整个字符串，我们就使用定义的正则表达式（它将匹配任何不是控制字符或标准 ascii 字符的字符）并再次用空字符串替换匹配的字符。在 while 循环中执行此操作意味着 charMatch 始终为真，该字符将被替换。

4. 最后，一旦所有字符都被删除并且我们循环了整个字符串，我们就返回了 inString。

（注意：我还没有弄清楚如何用新修改的 inString 值重新填充 TextBox，所以如果有人能指出如何做到这一点，那就太好了）