正则表达式中的Unicode字符

Question

我有一个正则表达式：

return Regex.IsMatch(_customer.FirstName, @"^[A-Za-z][A-Za-z0-9@#%&\'\-\s\.\,*]*$");

现在，一些客户在他们的姓氏或名字中会有元音字母上面的fada符号，比如下面这个例子：Brendán

请注意a字母上面的fada符号，您可以通过按住 alt ， ctrl 并然后按 a 来获取它。

我尝试将这些字符添加到正则表达式中，但当程序尝试编译时出现错误。

唯一的方法是完全删除正则表达式，从而允许用户输入任何内容，包括带fada的字符。

有没有办法使用上面的表达式并以某种方式允许以下字符的输入？

á
é
í
ó
ú

- Kev

---

编译器错误是什么？ - Michael Liu

我在这里找到了一个重要链接：https://andrewwoods.net/blog/2018/name-validation-regex/。 - Bagesh Sharma

Answer 1

仅供参考，您无需在字符类中的[]中转义上述字符',.，并且您可以通过将破折号-放置在字符类的开头或结尾来避免转义。

您可以使用\p{L}匹配任何语言中的任何字母。请参见下面的示例：

string[] names = { "Brendán", "Jóhn", "Jason" };
Regex rgx      = new Regex(@"^\p{L}+$");
foreach (string name in names)
    Console.WriteLine("{0} {1} a valid name.", name, rgx.IsMatch(name) ? "is" : "is not");

// Brendán is a valid name.
// Jóhn is a valid name.
// Jason is a valid name.

或者只需将您想要包含的字符添加到您的字符类[]中即可。

@"^[a-zA-Z0-9áéíóú@#%&',.\s-]+$"

- hwnd

Answer 2

尝试将\p{L}纳入其中，它可以匹配Unicode“字母”。因此，a和á应该与\p{L}匹配。

- AFrieze

Answer 3

要扩展您的正则表达式以包括带有重音符号（fada）的元音，您可以使用Unicode代码点。 您需要了解这些Unicode块：

• C0控制字符和基本拉丁文
• C1控制字符和Latin-1补充
• 可能还有Latin Extended-A

更多Unicode代码图表请参见http://www.unicode.org/charts/index.html#scripts，涵盖了Latin Extended-B、-C和-D以及Latin Extended-Addional（应该涵盖几乎所有欧洲语言）。

因此，我们可以看到爱尔兰语的fada元音是：

• Á 是 \u00C1；á 是 \u00E1
• É 是 \u00C9；é 是 \u00E9
• Í 是 \u00CD；í 是 \u00ED
• Ó 是 \u00D3；ó 是 \u00F3
• Ú 是 \u00DA；ú 是 \u00FA

因此，您的正则表达式需要进行扩展：

Regex rx = new Regex( @"^[A-Za-z\u00C1\u00C9\u00CD\u00D3\u00DA\u00E1\u00E9\u00ED\u00F3\u00FA][A-Za-z\u00C1\u00C9\u00CD\u00D3\u00DA\u00E1\u00E9\u00ED\u00F3\u00FA0-9@#%&\'\-\s\.\,*]*$");

- Nicholas Carey

Answer 4

\w（单词字符）包括Unicode字符。

因此，您的表达式可以是：

@"^\w[\w0-9@#%&\'\-\s\.\,*]*$"

将英文字母 A-Za-z 替换为 \w。

- driis

---

我也曾经这么想，但实际上它并没有按照我的预期工作。http://regex101.com/r/pG5kS5 - Mike Perrenoud

\w字符类的问题在于它匹配了很多内容：Unicode字母，包括Ll（小写字母）、Lu（大写字母）、Lt（标题字母）、Lo（其他字母）、Lm（修饰字母）、Nd（十进制数字...包括不仅仅是ASCII的0-9）以及Pc（标点连接符）。 - Nicholas Carey

@MikePerrenoud 不能保证PHP的正则表达式库与C#的行为匹配，即使它们都是PCRE。从那个链接可以看出Python的正则表达式引擎匹配方式不同。 - jpaugh

Answer 5

尝试以下操作。它将帮助您...

return Regex.IsMatch(_customer.FirstName, @"^[0-9A-Za-z@#%&\'\-\s\.\,ñáéíóúü]+$");

- Pandian