如何从字符串中去除标点符号？答案

【问题标题】：How can I strip punctuation from a string?如何从字符串中去除标点符号？
【发布时间】：2009-01-07 19:05:05
【问题描述】：

对于这个问题的希望在 30 秒内获得答案的部分，我专门寻找 C#

但在一般情况下，去除任何语言中的标点符号的最佳方法是什么？

我应该补充：理想情况下，解决方案不需要您列举所有可能的标点符号。

相关：Strip Punctuation in Python

【问题讨论】：

不同的语言实际上是不同的，我认为您所问的问题没有答案。您可以询问特定的语言，或者哪种语言最适合这种操作。

标签： c# string

【解决方案1】：

new string(myCharCollection.Where(c => !char.IsPunctuation(c)).ToArray());

【讨论】：

是的。它为我在下面发布的字符串操作提供动力。
LinQ 总是让我惊叹。
太棒了。少即是多。
不适用于 $ 或 ^，也许更多。我坚持使用 ^[a-zA-Z][a-zA-Z0-9]*$
对于$或^你可以使用!char.IsSymbol(c)验证。仅作记录

【解决方案2】：

为什么不简单：

字符串 s = "sxrdct?fvzguh,bij."; var sb = new StringBuilder(); foreach (char c in s) { if (!char.IsPunctuation(c)) sb.Append(c); } s = sb.ToString();

RegEx 的使用通常比简单的字符操作要慢。那些 LINQ 操作对我来说看起来有点矫枉过正。而且你不能在 .NET 2.0 中使用这样的代码...

【讨论】：

请注意，这种方法还允许您将标点符号替换为（例如）空格。用于标记化。

【解决方案3】：

描述意图、最容易阅读 (恕我直言) 和最佳表现：

 s = s.StripPunctuation();

实施：

public static class StringExtension
{
    public static string StripPunctuation(this string s)
    {
        var sb = new StringBuilder();
        foreach (char c in s)
        {
            if (!char.IsPunctuation(c))
                sb.Append(c);
        }
        return sb.ToString();
    }
}

这是使用 Hades32 的算法，这是发布的一堆中表现最好的。

【讨论】：

有趣的花絮：以下不是标点符号：$^+|=

【解决方案4】：

假设“最好”意味着“最简单”，我建议使用类似这样的内容：

String stripped = input.replaceAll("\\p{Punct}+", "");

此示例适用于 Java,，但所有足够现代的正则表达式引擎都应支持此（或类似的东西）。

编辑：Unicode-Aware 版本是这样的：

String stripped = input.replaceAll("\\p{P}+", "");

第一个版本只查看 ASCII 中包含的标点符号。

【讨论】：

C# 没有 Punct 类，但它有 P

【解决方案5】：

您可以使用 regex.replace 方法：

 replace(YourString, RegularExpressionWithPunctuationMarks, Empty String)

由于这会返回一个字符串，因此您的方法将如下所示：

 string s = Regex.Replace("Hello!?!?!?!", "[?!]", "");

如果你愿意，你可以用更复杂的东西替换“[?!]”：

(\p{P})

这应该可以找到任何标点符号。

【讨论】：

+1 用于使用 unicode 字符类。简洁、精确、美观。

【解决方案6】：

这个帖子太老了，但如果我不发布更优雅的 (IMO) 解决方案，那就太失职了。

string inputSansPunc = input.Where(c => !char.IsPunctuation(c)).Aggregate("", (current, c) => current + c);

这是没有 WTF 的 LINQ。

【讨论】：

【解决方案7】：

基于 GWLlosa 的想法，我能够想出极其丑陋但有效的方法：

string s = "cat!";
s = s.ToCharArray().ToList<char>()
      .Where<char>(x => !char.IsPunctuation(x))
      .Aggregate<char, string>(string.Empty, new Func<string, char, string>(
             delegate(string s, char c) { return s + c; }));

【讨论】：

我知道；正确的？我的爱好是在 Linq 中对代码犯错。但是，请务必让它变得更好。
请寻求精神科帮助。
这是 s 中长度的二次方；如果将长度加倍，代码将慢四倍，因为字符串的 + 运算符必须复制字符串：/

【解决方案8】：

最简单的方法是使用 string.replace

我想的另一种方式是 regex.replace 并在其中包含所有适当的标点符号的正则表达式。

【讨论】：

【解决方案9】：

这是使用 linq 的一种稍微不同的方法。我喜欢 AviewAnew 的，但这避免了聚合

        string myStr = "Hello there..';,]';';., Get rid of Punction";

        var s = from ch in myStr
                where !Char.IsPunctuation(ch)
                select ch;

        var bytes = UnicodeEncoding.ASCII.GetBytes(s.ToArray());
        var stringResult = UnicodeEncoding.ASCII.GetString(bytes);

【讨论】：

为什么IEnumerable<char> 到数组到字节到字符串的转换，为什么不只是new String(s.ToArray())？或者这就是新字符串在引擎盖下的作用？

【解决方案10】：

如果你想用它来标记文本，你可以使用：

new string(myText.Select(c => char.IsPunctuation(c) ? ' ' : c).ToArray())

【讨论】：

【解决方案11】：

对于任何想通过 RegEx 执行此操作的人：

这段代码显示了完整的正则表达式替换过程，并给出了一个示例正则表达式，它只在字符串中保留字母、数字和空格 - 用空字符串替换所有其他字符：

//Regex to remove all non-alphanumeric characters
System.Text.RegularExpressions.Regex TitleRegex = new 
System.Text.RegularExpressions.Regex("[^a-z0-9 ]+", 
System.Text.RegularExpressions.RegexOptions.IgnoreCase);

string ParsedString = TitleRegex.Replace(stringToParse, String.Empty);

return ParsedString;

【讨论】：

【解决方案12】：

我遇到了同样的问题，并且担心每次检查都调用 IsPunctuation 会影响性能。

我发现了这个帖子：http://www.dotnetperls.com/char-ispunctuation。

跨界：char.IsPunctuation 还在 ASCII 之上处理 Unicode。该方法匹配一堆字符，包括控制字符。顾名思义，这种方法既繁重又昂贵。

最重要的是，我最终没有选择它，因为它对我的 ETL 流程的性能影响。

我选择了 dotnetperls 的自定义实现。

仅供参考，这里是从前面的答案中推导出来的一些代码，用于获取所有标点符号（不包括控制符号）的列表：

var punctuationCharacters = new List<char>();

        for (int i = char.MinValue; i <= char.MaxValue; i++)
        {
            var character = Convert.ToChar(i);

            if (char.IsPunctuation(character) && !char.IsControl(character))
            {
                punctuationCharacters.Add(character);
            }
        }

        var commaSeparatedValueOfPunctuationCharacters = string.Join("", punctuationCharacters);

        Console.WriteLine(commaSeparatedValueOfPunctuationCharacters);

干杯，安德鲁

【讨论】：

【解决方案13】：

$newstr=ereg_replace("[[:punct:]]",'',$oldstr);

【讨论】：

【解决方案14】：

对于长字符串我使用这个：

var normalized = input
                .Where(c => !char.IsPunctuation(c))
                .Aggregate(new StringBuilder(),
                           (current, next) => current.Append(next), sb => sb.ToString());

性能比使用字符串连接好得多（尽管我同意它不太直观）。

【讨论】：

【解决方案15】：

这是从用户给出的字符串中删除标点符号的简单代码

导入需要的库

    import string

以字符串格式向用户询问输入

    strs = str(input('Enter your string:'))

    for c in string.punctuation:
        strs= strs.replace(c,"")
    print(f"\n Your String without punctuation:{strs}")

【讨论】：

【解决方案16】：

#include<string>
    #include<cctype>
    using namespace std;

    int main(int a, char* b[]){
    string strOne = "H,e.l/l!o W#o@r^l&d!!!";
    int punct_count = 0;

cout<<"before : "<<strOne<<endl;
for(string::size_type ix = 0 ;ix < strOne.size();++ix)   
{   
    if(ispunct(strOne[ix])) 
    {
            ++punct_count;  
            strOne.erase(ix,1); 
            ix--;
    }//if
}
    cout<<"after : "<<strOne<<endl;
                  return 0;
    }//main

【讨论】：