如何使用正则表达式和 Notepad++ 删除所有非 ASCII 字符？

Posted 2023-02-24

【中文标题】如何使用正则表达式和 Notepad++ 删除所有非 ASCII 字符？

【英文标题】：How do I remove all non-ASCII characters with regex and Notepad++?

【发布时间】：2014-01-20 07:36:27

【问题描述】：

我搜索了很多，但没有写如何从 Notepad++ 中删除非 ASCII 字符。

我需要知道在查找和替换中要写什么命令（有图就好了）。

如果我想创建一个白名单并为所有 ASCII 单词/行添加书签，那么非 ASCII 行将被取消标记

如果文件很大，无法选择所有 ASCII 行，只想选择包含非 ASCII 字符的行...

【参考方案1】：

点击查看/显示符号/显示所有字符 - 显示文件中的 [SOH] 字符 单击文件中的 [SOH] 符号 CTRL=H 调出替换 保持“查找内容：”不变 将“替换为：”更改为您选择的字符（逗号、分号、其他...） 点击“全部替换” 大功告成！

【讨论】：

你真的想对ALL非ASCII字符这样做吗？他们是数千人！

【参考方案2】：

在 Notepad++ 中，如果您转到菜单 搜索 → 查找范围内的字符 → 非 ASCII 字符 (128-255) 您可以然后单步执行文档到每个非 ASCII 字符。

如果您想在文档中循环查找所有非 ASCII 字符，请务必勾选“Wrap around”。

【讨论】：

这很好用，但不会在列表中显示所有结果并且没有“替换”选项

整洁...因为我总是忘记非 ASCII 的正则表达式并且每次都必须谷歌它才能返回此页面:)

所以诀窍是当你在这里按 find 时，它会选择角色。然后您只需转到“编辑”菜单并选择“替换”，Notepad++ 总是用当前选择填充“查找”框，这将是您找到的字符。所以你可以在普通对话框中完成其余的查找/替换。

【参考方案3】：

要删除所有非 ASCII 字符，可以使用以下替换：[^\x00-\x7F]+

要突出显示字符，我建议在搜索窗口中使用 Mark 功能：这会突出显示非 ASCII 字符并在包含其中一个字符的行中放置一个书签

如果您想在 ASCII 字符上突出显示并添加书签，您可以使用正则表达式 [\x00-\x7F] 来执行此操作。

干杯

【讨论】：

如果要复制粘贴搜索表达式 [^\x00-\x7F]+

如果你想保留 \r 和 \n - 回车和换行字符 - 你可以使用这个正则表达式： [\x00-\x09\x0B-\x0C\x0E-\x1F]+

【参考方案4】：

除了 ProGM 的回答之外，如果你在 NUL 或 ACK 之类的框中看到字符并想摆脱它们，那些是 ASCII 控制字符（0 到 31），你可以通过以下表达式找到它们并且删除它们：

[\x00-\x1F]+

为了删除所有非 ASCII AND ASCII 控制字符，您应该删除所有匹配此正则表达式的字符：

[^\x1F-\x7F]+

【讨论】：

来自 \x00 和 \x1F 的值已经在 ProGM 的答案中匹配。

它们匹配为您想要保留的值。我只是建议您这样做，以防您想摆脱它们。

最后一个示例应该从 20 开始以排除单位分隔符。也许排除 7F 以及它也是一个控制字符。

太棒了！我使用 qdap R 包删除了所有讨厌的非 ASCII 字符：mgsub("[^\x1F-\x7F]+", "", text_vector, fixed = FALSE)

【参考方案5】：

此表达式将搜索非 ASCII 值：

[^\x00-\x7F]+

勾选“搜索模式=正则表达式”，然后点击查找下一个。

来源：Regex any ASCII character

【讨论】：

如果不明显，如果您删除“^”，则您正在搜索 ASCII 行

效果很好，但我必须设置Encoding->Encode in ANSI。无法找到其他任何东西。

使用它的正则表达式搜索选项（asterix 按钮）在 netbeans 中完美运行

在 VS-Code 中工作，别忘了点击 Regex 搜索选项！

如果你想保留 \r 和 \n - 回车和换行字符 - 你可以使用这个正则表达式： [\x00-\x09\x0B-\x0C\x0E-\x1F]+

【参考方案6】：

另一种方式...

如果您还没有 Text FX 插件，请安装它 转到 TextFX 菜单选项 -> 将所有不可打印的字符转换为 #。它将用 3 # 个符号替换所有无效字符 转到查找/替换并查找###。用空格替换它。

如果您不记得正则表达式或不想查找它，这很好。但是其他人提到的正则表达式也是一个很好的解决方案。

【讨论】：

转换所有字符会将所有类型的标点符号替换为###。我期望的解决方案是：将“&”替换为“。将'&'替换为'。等等。

它工作正常，但是，该工具用一个 # 字符而不是三个替换有趣的字符。请注意。

Text FX 插件已弃用，甚至可能不再可用。参见例如TextFX's Future - “当名单足够长时，告别为社区服务的老马将变得切实可行。”

【参考方案7】：

另一个好办法是在你的编辑器中进入 UTF8 模式，这样你就可以真正看到这些有趣的字符并自己删除它们。

【参考方案8】：

保留新行：

首先为换行选择一个字符...我使用了#。 选择替换选项，扩展。 输入\n替换为# 点击全部替换

下一步：

选择替换选项正则表达式。 输入：[^\x20-\x7E]+ 保持替换为空 点击全部替换

现在，选择替换选项扩展并用\n替换#

:) 现在，你有一个干净的 ASCII 文件；）