c＃正则表达式来自字符串的非字母字符

Question

我的术语可能在这里稍微有些出来，但我想从C＃中的字符串中去除非字母，所以删除破折号＆符号等，但保留重音字符和中文字符。我看到的所有C＃示例都有这样的new Regex("[^a-zA-Z0-9 -]");这样的正则表达式，但我的需求超出了ascii字符。

string input = "I- +AM. 相关 AZURÉE& /30%";

string output = "I AM 相关 AZURÉE 30";

Answer 1

一个很好的出发点是根据自己的Unicode character class删除字符。例如，该代码将删除一切，是定性为标点，符号或控制字符：

string input = "I- +AM. 相关 AZURÉE& /30%"; 
var output = Regex.Replace(input, "[\\p{S}\\p{C}\\p{P}]", ""); 

您也可以尝试白名单的方式，通过只允许某些类。例如，这种只保留那些字母，变音符号，数字和空格字符：

var output = Regex.Replace(input, "[^\\p{L}\\p{M}\\p{N}\\p{Z}]", ""); 

See it in action。

Answer 2

string result = string.Concat(input.Where(c => Char.IsLetterOrDigit(c)));