JavaScript正则表达式：西里尔字母模式

Question

我知道这可能是一个愚蠢的问题，但是我已经花费了两天的时间在谷歌上搜索，没有任何结果。 允许用户只输入 Cyrillic 字符和空格的正则表达式模式应该是什么？ 提前感谢您！

- Emil Avramov

---

限制用户使用特定字符有何原因？ - Matti Virkkunen

@Matti：这是一个非常好的问题。通常情况下，您不希望这样做，但有时限制输入字段仅为十进制数字\p{Nd}、数字\pN、数学符号\p{Math}、字母\pL、字母表\p{Alphabetic}或者尤其是只包含一个或两个脚本或类型为Common的字符是合理的。这可以避免一些安全陷阱，例如B≢Β≢В（即U+0042拉丁大写字母B与U+0392希腊大写字母BETA和U+0412西里尔大写字母VE）。然而，有些情况是棘手的。 - tchrist

Answer 1

你无法在JavaScript中执行此操作，因为JavaScript在其正则表达式中甚至没有提供基本的Level 1 Unicode support。你需要切换语言才能正确执行此操作。

你不能使用枚举块范围来执行此操作。这会混淆块和脚本，这是一个严重的缺陷。有150个代码点具有\p{Script=Cyrillic}属性，但缺少\p{Block=Cyrillic}属性。它们位于不同的块中。看：

$ unichars '\p{Script=Cyrillic}' '\P{Block=Cyrillic}' | wc -l
150

此文段的英译如下：

此外，在Cyrillic块中还有一些非Cyrillic代码点。

你能做的最好的事情是将所有404个Cyrillic代码点列举为字符类，但这可能会变得难以实现。

$ unichars '\p{Script=Cyrillic}'  | wc -l
404

你可以使用unichars脚本列出所有这些字符，如果你真的想要的话。在那里你也可能想要获取uniprops脚本。

- tchrist

---

好的。我该如何用PHP进行测试呢？我会尝试使用Ajax。 - Emil Avramov

@Emil：我认为如果你使用PHP的preg（“perl regex”）函数，你应该能够使用字符类似[\s\p{IsCyrillic}]，因为\p{IsCyrillic}应该是\p{Script=Cyrillic}的别名。还有其他几种可能的语言，但基本上你必须支持Unicode脚本属性才能使其正常工作。顺便说一句，你可能还想通过\p{IsCommon}允许任何脚本类型的字符。这些是常规标点符号和空格等。我提到的uniprops脚本可以列出所有代码点的属性。 - tchrist

@Emil：阅读 pcrepattern 手册以了解 preg 模式在 PHP 中的工作方式后，发现如果 PHP 链接的 PCRE 库已经构建/编译为支持 Unicode（这取决于站点），那么 PCRE 和 PHP 将使用脚本属性的快捷别名，因此 \p{Cyrillic} 是表示 \p{Script=Cyrillic} 的方法。您还可以使用 Perl 5.6 或更高版本、Ruby 1.9 或更高版本或 Java 1.7 或更高版本来访问脚本属性。注意：不能使用 C♯，因为它的 \p{Cyrillic} 是恶意的 \p{Block=Cyrillic} 而不是 \p{Script=Cyrillic}。 - tchrist

$pattrn = "/[\sабвгдАБВГД]/" preg_match($myvar, $pattern);$pattrn = "/[\sабвгдАБВГД]/" preg_match($myvar, $pattern); - Emil Avramov

@Emil：我不知道你有特定的西里尔字母在脑海中！ - tchrist

我没有。这只是一个例子。 - Emil Avramov

Answer 2

有一个小技巧可以让这个工作（不过它的准确性并不是很可靠，因此在使用之前请仔细检查）：

`/^[\u0400-\u04FF\s]+$/`
(/^[\u0400-\u04FF\s]+$/).test("Привет мир") //true

虽然我不太确定 Unicode 的支持情况，但根据维基百科的说法，西里尔字母范围内的字符通常位于（U+0400-U+04FF）之间，而此正则表达式还包括空格，这段代码在我的浏览器控制台中可以运行。

- DDM