C# 如何从字符串中去掉标点符号？

对于这个问题希望在30秒内得到答案的部分，我特别寻找C#

但在一般情况下，在任何语言中去除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：

最简单的方法是使用string.replace

另一种方法是使用regex.replace替换正则表达式，并在其中添加所有适当的标点符号。

假设“最佳”表示“最简单”，我建议使用以下方法：

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

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

这个例子是为，但所有足够现代的正则表达式引擎都应该支持这个（或类似的东西）

编辑：支持Unicode的版本如下：

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

---

第一个版本只查看ASCII中包含的标点符号。

您可以使用regex.replace方法：

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

 replace(YourString, RegularExpressionWithPunctuationMarks, Empty String)

由于这将返回一个字符串，因此您的方法将如下所示：

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

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

如果您愿意，可以用更复杂的内容替换“[？！]”：

(\p{P})

---

这应该可以找到任何标点符号。

基于格洛萨的想法，我想出了非常难看的，但很有效的：

string s=“cat！”；
s=s.ToCharArray（）.ToList（）
.Where（x=>！char.ispunchuation（x））
.Aggregate（string.Empty，新函数(
委托（字符串s，字符c）{返回s+c；}）；

---

这里有一个稍微不同的使用linq的方法。我喜欢AviewAnew，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);

为什么不简单地：

string s = "sxrdct?fvzguh,bij."; var sb = new StringBuilder(); foreach (char c in s) { if (!char.IsPunctuation(c)) sb.Append(c); } s = sb.ToString(); 字符串s=“sxrdct？fvzguh，bij。”； var sb=新的StringBuilder（）； foreach（字符c在s中） { 如果（！char.ispunchuation（c）） sb.附加（c）； } s=sb.ToString（）； 正则表达式的使用通常比简单的字符操作慢。那些LINQ的行动在我看来太过分了。而且你不能在.NET2.0中使用这样的代码…

\include
#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

#包括
使用名称空间std；
int main（int a，char*b[]{
string strOne=“H，e.l/l！o W#o@r^l&d！！！”；
int punct_计数=0；
cout描述了意图、易读性（IMHO）和最佳性能：

 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，它是所发布的一系列算法中性能最好的。
这个线程太旧了，但是如果我不发布一个更优雅的（IMO）解决方案，那我就失职了

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

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

它是LINQ sans WTF。
对于长字符串，我使用以下命令：

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要好得多（尽管我同意这不太直观）。
我面临同样的问题，并且担心每次检查调用ispuncutation会对性能造成影响

我找到了这个帖子：

Accross-the-lines:char.ispuncuation还处理ASCII之上的Unicode。
该方法匹配包括控制字符在内的一系列字符。根据定义，该方法既繁重又昂贵

归根结底，我最终没有选择它，因为它对我的ETL过程的性能有影响

我选择了dotnetperls的习俗

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

var标点符号=新列表（）；
对于（int i=char.MinValue；i如果要将其用于标记文本，可以使用：

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

对于希望通过RegEx执行此操作的任何人：

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，该正则表达式仅在字符串中保留字母、数字和空格-将所有其他字符替换为空字符串：

//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;

是的。它为我在下面发布的字符串操作提供了动力。LinQ永远不会停止让我惊讶。太棒了。少就是多。对$or^不起作用，也许更多。我坚持用^[a-zA-Z][a-zA-Z0-9]*$换$or^你可以使用
！char.IsSymbol（c）
验证。只是为了记录我知道的；对吗？我的爱好是对Linq中的代码犯错误。但是，请尽一切可能让它变得更好。请寻求精神帮助。这是以s为单位的长度的平方倍；如果将长度加倍，代码将慢四倍，因为字符串的+运算符必须复制字符串：/有趣的小贴士：以下不是标点：$^+|=事实上，不同的语言是不同的，我认为你所问的问题没有答案。你可以询问特定的语言，或者哪种语言最适合这种操作。+1用于使用unicode字符类。简洁、精确、漂亮。为什么e
IEnumerable
到数组到字节到字符串的转换，为什么不干脆
新字符串（s.ToArray（））
？或者新字符串在引擎盖下就是这样做的？请注意，这种方法还允许您将标点替换为（例如）空格。用于标记化。C#没有
Punct
类，但它有
P