正则表达式删除特殊/不可见的字符

Question

问题是从域名中删除一些奇怪的字符，但保留特殊的unicode字符，如重音字母（德语，波兰语的丹麦语） 例如：radisson-blu.es，你看不到，但ss之间有额外的字符。 （尝试复制到记事本看看）。

我见过很多关于类似问题的帖子，但是每个解决方案都没有删除那个特殊字符，或者删除它，还有其他我需要保留的特殊字符。

Answer 1

用空字符串

替换正则表达式[^\w\s.,!@#$%^&*()=+~`-]

Answer 2

你（不）看到的角色是U + 00AD Soft Hyphen。您可以使用\u00ad以正则表达式引用它，例如：

Regex.Replace(str, @"\u00ad", "");

但对于单字符替换，您也可以使用string.Replace。

Answer 3

'\xAD'是一个软连字符（代码点的名称为"SOFT HYPHEN"）。

根据Unicode代码点数据库，其类别为"Cf"（或"Format"），因此可以与正则表达式@"\p{Cf}"匹配。

奇怪的是，Microsoft Visual C＃2010 Express表示它与@"\p{Cf}"不匹配，而是匹配@"\p{Pd}"（"Dash Punctuation"），与普通连字符相同。

Answer 4

这对我有用：

[\x00-\x1f]|[\x81\x8d\x8d\x8f\x90\x9d\xa0\u2060\uFEFF]