7

我正在编写一个 .NET 正则表达式，它需要匹配除控制字符之外的所有 ASCII 和扩展 ASCII 字符。

为此，我查阅了 ASCII 表，似乎所有这些字符都具有 x20 到 xFF 的 ASCII 编码。

所以我想

[\x20-\xFF]

应该能够匹配我需要的所有字符。然而，实际上，有些字符可以匹配，而有些则不能。比如你用在线工具http://regexhero.net/tester/测试，或者写一个简单的C#程序，你会发现有些字符比如“ç”（xE7）是可以匹配的，但是有些字符比如因为“–”（x9C）不能。

有谁知道为什么正则表达式不起作用？

4

2 回答 2

3

我试图重现您的错误，但您的代码没有发现任何问题：

String pattern = @"[\x20-\xFF]";

// All ANSII 
for (Char ch = ' '; ch <= 255; ++ch)
  if (!Regex.IsMatch(ch.ToString(), pattern)) 
    Console.Write("Failed!");

// All non-ANSII
for (Char ch = (Char)256; ch < Char.MaxValue; ++ch)
  if (Regex.IsMatch(ch.ToString(), pattern)) 
    Console.Write("Failed!");

然后我检查了你的样本：

 ((int)'ç').ToString("X2"); // <- returns E7, OK
 ((int)'œ').ToString("X2"); // <- returns 153 NOT x9C

请注意，“-”(x153)实际上是在外面 [0x20..0xFF]，这就是匹配返回的原因false。所以我猜你有一个错字

于 2015-03-05T15:07:30.630 回答
0

正如我写的https://stackoverflow.com/a/18131886/613130，您可以使用

var enc = Encoding.GetEncoding("ISO-8859-1");

将字节编码为使用相同代码的字符串：

string str = enc.GetString(yourBytes);

然后你可以使用你写的正则表达式。请注意，我正在做的是作弊：“ASCII”信息太少。您需要告诉我您使用的是什么代码页，因为块 80-FF 可以以各种方式映射，具体取决于位置（“代码页”），所以不是到处œ都是9C，如果您查看生成的字符串那个编码器，你不会得到一个œ，但你会得到一个带有代码的字符0x9C。

如果您想要一个与您拥有的文本“打印”相同的 C# 字符串，您需要使用

var enc = Encoding.GetEncoding("Windows-1252");

（它是 ISO-8859-1 的 MS 扩展，包括œ字符 at 0x9C）

但请注意，在这种情况下，您将无法使用如此简单的正则表达式，因为您的 80-FF 代码将被映射到 0000-FFFF unicode 字符周围

啊......显然你可以通过以下方式避开这个问题：

[^\x00-\x19]

（不是 0x00-0x19）:-)

于 2015-03-05T15:04:22.987 回答