检查字符串是否仅包含拉丁字符？

Question

您好，

我正在开发GWT应用程序，用户可以用日语输入其个人信息。但是“用户ID”和“密码”应仅包含英文字符（拉丁字母）。如何对字符串进行验证？

- Ashika Umanga Umagiliya

---

有英文字母？！？！我以为英语中的字符都来自拉丁字母表。 - Matt S.

如果他指的是ASCII字符，那我会称之为英文字符...或者美式字符。 - Tor Valamo

不要允许"ABCDEF"等等，它们绝对是法国字母。 - Arfur Narf

真正的问题是，你为什么要故意削弱密码安全性？ - Arfur Narf

@ArfurNarf 嗯，这是一个13年前的问题 ;) - Ashika Umanga Umagiliya

是的，有时候我没有注意到这是一个旧问题，而一些随机的最新编辑使其重新出现。 - Arfur Narf

Answer 1

您可以使用 String#matches() 方法，结合适当的 regex，来完成此操作。拉丁字符可以使用 \w 匹配。

boolean valid = input.matches("\\w+");

这也包括数字和下划线_。不确定是否有害。否则，您可以使用[A-Za-z]+。

如果您还想涵盖变音符字符（如ä、é、ò等，这些也是拉丁字符），那么您需要先对它们进行规范化并在匹配前去除变音符号，因为没有(已记录的)正则表达式可以涵盖变音符号。

String clean = Normalizer.normalize(input, Form.NFD).replaceAll("\\p{InCombiningDiacriticalMarks}+", "");
boolean valid = clean.matches("\\w+");

更新: Java 中有一个未记录的正则表达式，可以匹配变音符号，即 \p{L}。

boolean valid = input.matches("\\p{L}+");

以上适用于Java 1.6。

- BalusC

---

\p{L}已有官方文档：http://java.sun.com/javase/6/docs/api/java/util/regex/Pattern.html#ubc - Joachim Sauer

糟糕，你是对的。我会发誓这些年来从未在API文档中看到过它。你是Sun API文档的维护者吗？ - BalusC

没有，但是我已经阅读了那个特定的JavaDoc页面比我想承认的要多得多;-) - Joachim Sauer

Unicode的Letter类别\p{L}也包括很多非拉丁字母。 - Thilo

我认为你想要\p{script=Latin}。 - Thilo

w无法处理撇号，而这在爱尔兰姓氏中很常见（例如）。 - Alex White

Answer 2

public static boolean isValidISOLatin1 (String s) {
    return StandardCharsets.US_ASCII.newEncoder().canEncode(s);
} // or "ISO-8859-1" for ISO Latin 1

请参考字符集文档。

- user232624

---

我不会使用这个，因为它允许输入包含空格和控制字符（包括U+0000），这几乎肯定不会在用户名中受到欢迎。 - Joachim Sauer

使用预定义的 StandardCharsets.US_ASCII。 - Grigory Kislin

Answer 3

这是我的解决方案，它运行得非常出色。

public static boolean isStringContainsLatinCharactersOnly(final String iStringToCheck)
{
    return iStringToCheck.matches("^[a-zA-Z0-9.]+$");
}

- Sirop4ik

Answer 4

可能有更好的方法，但您可以加载一个包含您认为可接受的字符的集合，然后将用户名/密码字段中的每个字符与该集合进行比较。

伪代码:

foreach (character in username)
{
    if !allowedCharacters.contains(character)
    {
        throw exception
    }
}

- user164226

Answer 5

对于这样简单的事情，我会使用正则表达式。

private static final Pattern p = Pattern.compile("\\p{Alpha}+");

static boolean isValid(String input) {
  Matcher m = p.matcher(input);
  return m.matches();
}

还有其他预定义的类别，例如\w，可能更适合。

- erickson

Answer 6

我成功地使用了用户232624、Joachim Sauer和Tvaroh的答案的组合：

static CharsetEncoder asciiEncoder = Charset.forName("US-ASCII"); // or "ISO-8859-1" for ISO Latin 1

boolean isValid(String input) {    
    return Character.isLetter(ch) && asciiEncoder.canEncode(username);
}

- fir99