为什么针对西里尔字母的正则表达式会漏掉一个字母？

Question

我希望在一个HTML页面中验证文本输入字段，只接受西里尔字母。我已经使用正则表达式在JavaScript中编写了验证代码，像这样：

var namevalue = document.getElementById("name")
var letters = /^[А-Яа-я]+$/;
if (namevalue.matches(letters)) {
  alert("Accepted");
}
else {
  alert("Enter only cyrillic letters");
}

这段代码适用于所有西里尔字母，但不包括Ё和ё。

- Rey Rajesh

---

尝试这个：var letters = /^[А-Яа-яёЁ]+$/; - Mark Zucchini

@MarkZucchini：字符类不是这样工作的。请删除 |。 - Cerbrus

这可能会有所帮助：http://en.wikipedia.org/wiki/Cyrillic_script#Computer_encoding - nhahtdh

“仅限西里尔字母”这个要求比较含糊，因为有很多语言使用西里尔字母的子集，而某个语言中有效的字符在另一个语言中可能不存在。您试图匹配的是哪种语言？ - georg

是的。问题在于 ё 没有起作用，因为它超出了 A-Я 的范围。A-Я 是基本的西里尔字母表[0430-044F]，但 ё 不属于该基本字母表。它属于西里尔扩展字母[0400-045F]。因此，JavaScript 正则表达式的比较不是通过字母本身，而是通过其字符编码进行的，所以 ё 超出了范围。 - Mark Zucchini

@MarkZucchini，把你的评论变成答案，这将是正确的，假设“西里尔字母”意味着“现代俄语中使用的字母”，这显然是意图。 - Jukka K. Korpela

Answer 1

问题在于ё无法工作，因为它超出了Aа-Яя的范围。 Aа-Яа属于基本西里尔字母表[0430-044F]，但ё不属于该基本西里尔字母表。 ё属于西里尔扩展区[0400-045F]。因为JavaScript正则表达式引擎比较的是字符码而不是字母本身，所以ё超出了范围。

我假设您的意思是现代俄语，尽管ё很少使用，但仍然广泛使用，我可以建议以下解决方案。

var namevalue = document.getElementById("name")

// please note that I added to your pattern "еЁ".
// now this matches all Russian cyrillic letters both small and caps
// plus ё and Ё
var letters = /^[А-Яа-яёЁ]+$/; 

if (namevalue.matches(letters)) {
   alert("Accepted");
}
else {
   alert("Enter only cyrillic letters");
} 

不幸的是，A-Я和Ё的问题深藏在Unicode规范中。没有简单明了的解决方案。因此，为了编写健壮的程序，您需要时刻准备好处理这种情况。

- Mark Zucchini

---

由于JS确保正确的大小写折叠，因此可以简单地使用/^[а-яё]+$/i。 - georg

Answer 2

你可以在西里尔字母扩展中找到 ёЁ，而不是在 А-Яа-я 中找到。

- CHANDRU S

Answer 3

Ë不一定在西里尔字母表中，因此不会被你使用的А-Яа-я范围所捕获。

你的Ë是西里尔字母吗：U+0401还是拉丁字母：U+00CB？

如果您还想捕获非西里尔字母的Ë，您可能需要将此范围添加到您的正则表达式中：À-ÿ：

alert(JSON.stringify("Ëë".match(/^[À-ÿ]+$/)))

如果您只想捕获西里尔字母中的Ë，请尝试以下方法：

不要从U+0410（А）开始您的范围，而是从U+0400（Ѐ）开始，并在U+045F（џ）结束：

alert(JSON.stringify("Ёё".match(/^[Ѐ-џ]+$/)))

（这个范围应该包括完整的西里尔字母表。）

来源：Unicode字符代码 您可以使用此页面检查需要添加到正则表达式中的范围。

- Cerbrus

---

我不确定如何描述第一个选项。它在视觉上类似于西里尔字母的e umlaut（U+0451），但它是拉丁文（不太可能与西里尔文混合）。我认为你的第二个解决方案可能是OP想要的，但它将包括一堆未使用的西里尔字符。 - nhahtdh

是的，这有些棘手。我不熟悉西里尔文，所以我不知道哪些字符被使用，哪些没有被使用。如果您熟悉，请建议更好的使用范围 :-) - Cerbrus

除非你只想迎合一种语言，否则你总会有未使用的西里尔字母。它们在某些语言中都被使用（否则它们就不存在了！），但没有任何单一的语言使用它们全部。 - blgt

在这种情况下，拉丁字母Ë是无关紧要的。如果您想允许具有与西里尔字母相同形状的拉丁字母，则需要允许更多内容；特别允许拉丁Ë将非常奇怪。答案的另一部分问题在于任意允许一组西里尔字母，拒绝其中许多字母。表达式并不代表所有西里尔字母，但它也不代表用于俄语的字母集，这显然是意图。 - Jukka K. Korpela

@JukkaK.Korpela：不要只是告诉我我做错了，能否提供一个替代方案的建议？ - Cerbrus