如何从字符串的开头和结尾删除不可见的unicode字符？

Question

如何可靠地从字符串的开头和结尾删除不可见字符？在我的例子中，我的字符串以https://www.fileformat.info/info/unicode/char/202a/index.htm字符开头。但是，string.Trim()并没有删除它，如下所示：

var myString = "\u202atest";
myString.Trim();
// Prints:
// "‪test"
myString.Trim().ToCharArray();
// Prints:
// {char[5]}
//     [0]: 8234 '‪'
//     [1]: 116 't'
//     [2]: 101 'e'
//     [3]: 115 's'
//     [4]: 116 't'

在.NET框架API中是否有一个函数可以修剪所有这样的字符？我想有比这个更多的，我想避免必须手动指定每一个。

Answer 1

看不见是模糊的。兼容Unicode的解决方案: regex类一般类别 [\p{Control}\p{Format}\p{Nonspacing_Mark}\p{Enclosing_Mark}\p{Line_Separator}\p{Paragraph_Separator}]中的字符没有显示宽度。不要用任何东西来代替他们。

$ length "\x{202a}test" =~ s/[\p{Cc}\p{Cf}\p{Mn}\p{Me}\p{Zl}\p{Zp}]//r
4

在C#中：

public static string RemoveCharactersWithoutDisplayWidth(this string str)
{
    var regex = new Regex(@"[\p{Cc}\p{Cf}\p{Mn}\p{Me}\p{Zl}\p{Zp}]");
    return regex.Replace(str, "");
}

Answer 2

你可以试试：

mystring = myString.Trim('\u202a');

如果您有更多类似的字符要修剪，您可以将这些字符定义为数组。

char[] trimChars = {'\u202a','\u202b'};//More chars as your wish
mystring = myString.Trim(trimChars);

Answer 3

您可以尝试分析字节：

var s = "\u202atest";
string s2 = null;
byte[] bytes = new byte[s.Length * sizeof(char)];
Buffer.BlockCopy(s.ToCharArray(), 0, bytes, 0, bytes.Length);
if (bytes[0] == 0x2a && bytes[1] == 0x20)
{
    char[] c = new char[(bytes.Length - 2) / sizeof(char)];
    Buffer.BlockCopy(bytes, 2, c, 0, bytes.Length - 2);
    s2 = new string(c);
}
var c2 = s2.ToCharArray();