Eliminar todos los caracteres no ASCII de la cadena

Question

Tengo una rutina C# que importa datos de un archivo CSV, los compara con una base de datos y luego los reescribe en un archivo. El archivo de origen parece tener algunos caracteres que no son ASCII y están ensuciando la rutina de procesamiento.

Ya tengo un método estático al que ejecuto cada campo de entrada pero realiza comprobaciones básicas como eliminar comas y comillas. ¿Alguien sabe cómo podría agregar funcionalidad que elimine también caracteres que no sean ASCII?

Answer 1

string sOut = Encoding.ASCII.GetString(Encoding.ASCII.GetBytes(s)) 

Answer 2

Suena extraño que se acepte dejar caer el no ASCII.

También siempre recomiendo la excelente biblioteca FileHelpers para analizar archivos CSV.

Answer 3

Si quería probar un carácter específico, se puede usar

if ((int)myChar <= 127) 

El simple hecho de la codificación ASCII de la cadena no le dirá que un carácter específico era no ASCII, para empezar (si se preocupan sobre eso). Ver MSDN.

Answer 4

Aquí una solución sencilla:

public static bool IsASCII(this string value) 
{ 
    // ASCII encoding replaces non-ascii with question marks, so we use UTF8 to see if multi-byte sequences are there 
    return Encoding.UTF8.GetByteCount(value) == value.Length; 
} 

fuente: http://snipplr.com/view/35806/

Answer 5

public string RunCharacterCheckASCII(string s) 
    { 
     string str = s; 
     bool is_find = false; 
     char ch; 
     int ich = 0; 
     try 
     { 
      char[] schar = str.ToCharArray(); 
      for (int i = 0; i < schar.Length; i++) 
      { 
       ch = schar[i]; 
       ich = (int)ch; 
       if (ich > 127) // not ascii or extended ascii 
       { 
        is_find = true; 
        schar[i] = '?'; 
       } 
      } 
      if (is_find) 
       str = new string(schar); 
     } 
     catch (Exception ex) 
     { 
     } 
     return str; 
    } 

Answer 6

hacerlo todo a la vez

public string ReturnCleanASCII(string s) 
{ 
    StringBuilder sb = new StringBuilder(s.Length); 
    foreach(char c in s) 
    { 
     if((int)c > 127) // you probably don't want 127 either 
      continue; 
     if((int)c < 32) // I bet you don't want control characters 
      continue; 
     if(c == ',') 
      continue; 
     if(c == '"') 
      continue; 
     sb.Append(c); 
    } 
    return sb.ToString(); 
} 

Answer 7

Aquí hay una mejora en la respuesta aceptada:

string fallbackStr = ""; 

Encoding enc = Encoding.GetEncoding(Encoding.ASCII.CodePage, 
    new EncoderReplacementFallback(fallbackStr), 
    new DecoderReplacementFallback(fallbackStr)); 

string cleanStr = enc.GetString(enc.GetBytes(inputStr)); 

Este método reemplazará caracteres desconocidos con el valor de fallbackStr, o si fallbackStr está vacío, déjelos fuera por completo. (Tenga en cuenta que enc se puede definir fuera del alcance de una función.)