Escreva um programa ou função que, dada uma string, retire o zalgo, se houver algum.

Zalgo

Para esta postagem, zalgo é definido como qualquer caractere dos seguintes intervalos Unicode:

Combinação de marcas diacríticas (0300-036F)
Combinação de marcas diacríticas estendidas (1AB0–1AFF)
Suplemento Combinando Marcas Diacríticas (1DC0–1DFF)
Combinação de marcas diacríticas para símbolos (20D0–20FF)
Combinando meias marcas (FE20 – FE2F)

https://en.wikipedia.org/wiki/Combining_character#Unicode_ranges

Entrada

Pode ser transmitido por meio de argumentos da linha de comando, STDIN ou qualquer outro método padrão de entrada suportado pelo seu idioma
Será uma sequência que pode ou não conter zalgo ou outros caracteres não ASCII

Saída

A saída deve ser uma sequência que não contenha zalgo.

Casos de teste

Input -> Output

HE̸͚ͦ ̓C͉Õ̗͕M͙͌͆E̋̃ͥT̠͕͌H̤̯͛ -> HE COMETH
C͉̊od̓e͔͝ ̆G̀̑ͧo͜l͔̯͊f͉͍ -> Code Golf
aaaͧͩa͕̰ȃ̘͕aa̚͢͝aa͗̿͢ -> aaaaaaaaa
ññ        -> ñn
⚡⃤       -> ⚡

Pontuação

Como esse é o código-golfe , a resposta mais curta em bytes vence.

code-golf string unicode

— totalmente humano
fonte

3

É garantido que a string contenha apenas ASCII e / ou Zalgo? Ou pode conter outro unicode?

— DJMcMayhem

4

E o uso legítimo desses personagens? Zalgo é praticamente apenas quando esses personagens empilhar uns com os outros de uma forma que nunca foi destinado.

— Draco18s

@DJMcMayhem A cadeia de entrada pode ter outros caracteres não ASCII que não devem ser removidos.

— totallyhuman

1

@totallyhuman Eu estava pensando em uma abordagem mais genérica: remover somente se mais de um ocorrer após um caracter "padrão". Isso é a͕bom, mas a͕̰é despojado a. (Também agora, graças ao detector emoji, eu quero colocar diacríticos no emoji ... 🤔̘͕̑ pfft, que parece bobo)

— Draco18s

2

Você deve adicionar alguns casos de teste com saída não ASCII.

— Xnor

13

Retina , 35 bytes

T`̀-ͯ᪰-᫿᷀-᷿⃐-⃿︠-︯

Experimente online!

Simplesmente remove todos os caracteres nos intervalos indicados no desafio da entrada. O código é super ilegível, é claro, mas conceitualmente não é diferente de algo T`0-9A-Za-zque excluiria todos os caracteres alfanuméricos.

— Martin Ender
fonte

3

Parece imbatível o suficiente para mim.

— Erik the Outgolfer

@EriktheOutgolfer Não sei, acho que a Jelly pode gerar os intervalos de pontos de código com mais eficiência do que apenas listar os caracteres.

— Martin Ender

Na verdade, eu não acho que é capaz.

— Erik the Outgolfer

Estou surpreso por ainda não haver uma solução de geléia.

— totallyhuman

@icrieverytim aqui , e rasgue mais. Eu ainda não descobri como gerar codepoints de forma mais eficaz do que isso: P

— HyperNeutrino

7

Python 3 , 73 69 bytes

-4 bytes graças ao L3viathan.

Não tenho certeza se participar do seu próprio desafio está ok ou não, mas ... Roubei o regex ~~e também a idéia, essencialmente> <~~ direto das respostas JS e Retina.

lambda s:re.sub('[̀-ͯ᪰-᫿᷀-᷿⃐-⃿︠-︯]','',s)
import re

Experimente online!

— totalmente humano
fonte

1

Salve 4 bytes, tornando isso uma declaração de importação normal.

— L3viathan

Você esqueceu de atualizar a contagem de bytes.

— Xnor

@xnor Huh? Parece certo para mim.

— totallyhuman

@totallyhuman Meu erro, perdi que esses caracteres são multibyte.

— Xnor

Bem, é justo dizer que roubei o intervalo de caracteres da resposta da Retina. (Com cuidado, porém, desde que meu editor queria remover o zalgo juntamente com o `.)

— Neil

4

JavaScript (ES6), 55 bytes

f=
s=>s.replace(/[̀-ͯ᪰-᫿᷀-᷿⃐-⃿︠-︯]/g,'')

<textarea oninput=o.textContent=f(this.value)></textarea><pre id=o>

Expandir snippet

— Neil
fonte

4

Japonês , 37 bytes

r"[̀-ͯ᪰-᫿᷀-᷿⃐-⃿︠-︯]

Experimente online!

— Luke
fonte

4

PHP, 67 bytes

mais curto quanto a gravação

<?=preg_replace("#[̀-ͯ᪰-᫿᷀-᷿⃐-⃿︠-︯]#u","",$argn);

Experimente online!

PHP, 115 bytes

<?=preg_replace("#[\u{300}-\u{36f}\u{1ab0}-\u{1aff}\u{1dc0}-\u{1dff}\u{20d0}-\u{20ff}\u{fe20}-\u{fe2f}]#u","",$argn);

Experimente online!

PHP, 35 bytes

Válido para os casos de teste fornecidos, ele remove todas as marcas

<?=preg_replace("#\pM#u","",$argn);

Experimente online!

— Jörg Hülsermann
fonte

@FelixDombek Sem ele substitui apenas todas as marcas nas gamas dadas com nada

— Jörg Hülsermann

3

Python 3, 127 118 bytes

Apenas uma resposta direta por enquanto, vamos ver como é jogável.

lambda y:"".join(chr(x)for x in map(ord,y)if not(767<x<880or 6831<x<6912or 7615<x<7680or 8399<x<8448or 65055<x<65072))

Changelog:

Quando é que vou aprender que as compreensões são mais curtas que as coisas funcionais (-9 bytes).

— L3viathan
fonte

0ornão é uma coisa, então você tem que consertar ou aumentará SyntaxError.

— Erik the Outgolfer

2

@EriktheOutgolfer Você realmente testou? Não lançar um erro para mim em nenhum Python 3 ou 2.

— L3viathan

Oh, certo. Fiquei um pouco confuso.

— Erik the Outgolfer

3

Bash + coreutils, 41

tr -d '̀-ͯ᪰-᫿᷀-᷿⃐-⃿︠-︯'

Simplesmente retira caracteres nos intervalos especificados.

Experimente online .

— Trauma Digital
fonte

2

APL (Dyalog Unicode) , 43 bytes

'[̀-ͯ᪰-᫿᷀-᷿⃐-⃿︠-︯]'⎕R''

Experimente online!

PCRE R moran Jr. todos aqueles com nada

Versão de 44 bytes que não usa RegEx ou literais de caracteres estranhos (e, portanto, um único byte por caractere):

⍞~⎕UCS∊65055 8399 7615 6831 767+⍳¨16×2 6~⍨⍳7

Experimente online! ⍳7 1… 7 (1 2 3 4 5 6 7)

2 6~⍨ exceto 2 e 6 (1 3 4 5 7)

16× multiplicar por 16 (16 48 64 80 112)

⍳¨ 1… cada (1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16, 1 2 3…,… 110 111 112)

+ adicione deslocamento a cada lista (65056 65057 65058…,… 877 878 879)

∊ alistar-se (achatar)

⎕UCS converter para o caractere Unicode correspondente

⍞~ obter entrada de texto e remover todos esses caracteres

— Adão
fonte

2

Geléia , 32 bytes

“Żȷ'⁺¦60ƭṖ_WTɦ7Ụ|ṫYɠF’bȷ5r2/FỌḟ@

Experimente online!

Explicação

“Żȷ'⁺¦60ƭṖ_WTɦ7Ụ|ṫYɠF’bȷ5r2/FỌḟ@  Main link
“Żȷ'⁺¦60ƭṖ_WTɦ7Ụ|ṫYɠF’            Base 250 compressed integer; 768008790683206911076160767908400084476505665071
                      bȷ5         Convert into base 100000; [768, 879, 6832, 6911, 7616, 7679, 8400, 8447, 65056, 65071]
                         r2/      Inclusive range on non-overlapping slices of length 2
                            F     Flatten
                             Ọ    chr; cast to character from codepoints
                              ḟ@  Filter; remove all characters from input that are in the characters generated before

— HyperNeutrino
fonte

o0 Não percebi que esbarrei nessa questão lol. É isso b65072que eu acho que é? : o

— totalmente humano

@icrieverytim sim compactação da lista numérica: D

— HyperNeutrino

geléia é definitivamente a linguagem mais zalgo. Eu me pergunto o que aconteceria se você executasse o programa em seu próprio código? editar: infelizmente nada

— space junk

1

Java 8, 57 bytes

s->s.replaceAll("[̀-ͯ᪰-᫿᷀-᷿⃐-⃿︠-︯]","")

Experimente aqui.

— Kevin Cruijssen
fonte

1

05AB1E , 32 bytes

•3xIαEλ¤’ä₆Ćkмм`0Â9"´•žHв2ôvyŸçK

Experimente online!

— Emigna
fonte

ELE NÃO VÊ - um desafio zalgo

Zalgo

Entrada

Saída

Casos de teste

Pontuação

Retina , 35 bytes

Python 3 , 73 69 bytes

JavaScript (ES6), 55 bytes

Japonês , 37 bytes

PHP, 67 bytes

PHP, 115 bytes

PHP, 35 bytes

Python 3, 127 118 bytes

Bash + coreutils, 41

APL (Dyalog Unicode) , 43 bytes

Geléia , 32 bytes

Explicação

Java 8, 57 bytes

05AB1E , 32 bytes