删除字符串中的所有非ASCII

我的问题是一般 - 我想问问有没有在编程语言或准备程序，这将让我完成我的任务的任何特殊模块。删除字符串中的所有非ASCII

有任何方便的方式来自动替换所有国家的字符corespondents字母（不是写自己的职能与多个REPLACE语句等）？例如，我想替换æ到AE，ä到一个，ę到Ë等。

如果这是不可能的准备普遍的功能，有没有在当前使用的编程语言任何现成的功能，这将限制焦炭允许只向那些从标准拉丁字母简单地删除这样的人物？ http://php.net/manual/en/function.iconv.php

正如其他人所说，这可能是最好把一切都以Unicode（UTF-8或：

2012-02-26 matandked

这需要更详细的信息。你在哪个平台和文件系统上？你为什么要首先做这个 - 你遇到这些特殊字符时遇到了什么问题？ – 2012-02-26 17:53:03

常见问题：你为什么想这样做？由于“相应的”ASCII字母可能对某些语言环境而言是一个愚蠢的概念，因此信息丢失。特别是对于文件名，基本上只有两件事情是有意义的：Windows的UTF-16，Unices的UTF-8。其他一切都是以一种或另一种方式使用的。 – schlenk 2012-02-26 17:56:09

**标准拉丁字母有大约600个字符，**你知道。我必须回应@schlenk的查询 - 为什么你会想要做这个邪恶的邪恶的事情？文化的狭隘是令人惊叹的原始。 – tchrist 2012-02-26 18:53:48

音译是你要找的:)

在PHP中的话，那是通过实现的iconv如果可能的话）。

来源

2012-02-26 17:57:04 Greg

我现在不使用的是什么语言，但在PHP中，你可以做

$text = preg_replace("/[^a-zA-Z0-9]+/", "", $text);

你可以改变REG EXP让更多/更少的字符。

来源

2012-02-26 17:57:39 Mattias

这使得包含元音变音等的字符串非常难看。 – ThiefMaster 2012-02-26 17:59:41

在PHP中，你可以扫描文件的目录：

<?php 
$dir = ''; 
    if ($handle = opendir($dir)) { 
    while (false !== ($file = readdir($handle))) { 
     if ($file[0] == '.' || is_dir($dir.'/'.$file)) { 
      continue; 
     } 
//functions here 
    } 
    closedir($handle); 
} 
?>

然后用这个表达式重命名他们都：

$newname = ereg_replace("[^A-Za-z0-9]", "", $oldname);

您需要将$使用oldName每个文件的文件名该目录，并将其放在//functions所在的位置，它将遍历目录中的每个文件并根据正则表达式对其进行重命名。

来源

2012-02-26 17:59:25 ionFish

如果$ oldname ='была' – Greg 2012-02-26 18:06:17

那么你会得到一个空白的文件名，你可以设置if-then语句，或者这样做：'pat = array（'e'=>'[eéèêë]'，'n '=>'[nñ]'，'o'=>'[oòóôõö]'，'a'=>'[aàáâãä]'，'i'=>'[iìíîï]'，'u'=>'[uùúûü ]'，'y'=>'[yýÿ]'）;'和'preg_replace（“/".$ pat ['e']。”/ i“，'＃'，$ string）;'我记得看到用西里尔字符做这个，并且试图找到它的位置。编辑 - 在这里：http://pastebin.com/raw.php?i=X1NAsnrJ – ionFish 2012-02-26 18:08:30

如果输入的是Unicode，您可以将Unicode normalization NKFD接近你想要什么。 Python有这个built-in。标准化后，您可以去除与其所属字母分开的重音符号。

>>> import unicodedata 
>>> s = u"äçéì" # u"" makes a Unicode string in Python 2.x 
>>> unicodedata.normalize("NFKD", s).encode("ascii", errors="ignore") 
'acei'

虽然这不适用于æ。

来源

2012-02-26 17:59:53

有unidecode，这是适用于几种语言（Perl，Python和Java的）。我以前写过关于它in this answer。

>>> from unidecode import unidecode 
>>> unidecode(u"İstanbul") 
'Istanbul' 
>>> unidecode(u"\u5317\u4EB0") 
'Bei Jing '

来源

2012-02-26 21:15:13 beerbajay

删除字符串中的所有非ASCII

回答

相关问题