仅匹配Unicode字母

Question

我有以下的正则表达式，它只允许字母：

[A-Za-z]+

     /[a-zA-Z]+/

     a = "abcDF"
     if (a.match(/[a-zA-Z]+/) == a){
        //Match
     }else{
        //No Match
     } 

如何使用 p{L}（通用的，可以匹配德语、英语等任何语言）来实现这一点？

我尝试过：

  a.match(/[p{l}]+/)
  a.match(/[\p{l}]+/)
  a.match(/p{l}/)
  a.match(/\p{l}/)

但是所有返回值在字母 a = "aB" 的情况下都为 null。

- user1767962

Answer 1

从ECMAScript 2018开始，JavaScript终于原生支持Unicode属性转义。

对于旧版本，你要么需要自己定义所有相关的Unicode范围，要么可以使用Steven Levithan的XRegExp包与Unicode add-ons，并利用它的Unicode属性快捷方式:

var regex = new XRegExp("^\\p{L}*$")
var a = "abcäöüéèê"
if (regex.test(a)) {
    // Match
} else {
    // No Match
}

- Tim Pietzcker

---

我在使用package方面没有问题，但是请问，检查不同语言（如德语、英语等）是否必须使用package？ - user1767962

有人告诉我 \w 可以匹配任何语言，这是真的吗？ - user1767962

在JavaScript中，\w只匹配ASCII字母/数字/下划线。如果您想支持Unicode，则没有简单的方法可以绕过XRegExp。 - Tim Pietzcker

@user1767962：这将是困难的，因为你会发现德语单词使用带重音符号的字母，英语单词使用“umlauts”（分音符）等，因此语言和它们“允许”的字符集之间没有明确的界限。 - Tim Pietzcker

由于有两个反斜杠，^\p{L}*$ 出现了无效的转义字符错误。这是一个打字错误吗？ - user1767962

Answer 2

如果您愿意使用 Babel 来构建您的JavaScript，那么我发布了一个名为 babel-plugin-utf-8-regex 的插件，它将把正则表达式如/^\p{L}+$/或/\p{^White_Space}/转换成浏览器可以理解的正则表达式。

这是项目页面：https://github.com/danielberndt/babel-plugin-utf-8-regex

- Daniel

Answer 3

您可以在现代 ECMAScript 2018+ 兼容的 JavaScript 环境 中使用 \p{L}，但需要记住，仅当您传递 u 修改器/标志时才支持 Unicode 属性类。

a.match(/\p{L}+/gu)
a.match(/\p{Alphabetic}+/gu)

将匹配 a 字符串中所有出现的一个或多个 Unicode 字母。

注意，\p{Alphabetic} (\p{Alpha}) 包括所有被 \p{L} 匹配的字母，还包括被 \p{Nl} (例如罗马数字 12 的字符 Ⅻ) 匹配的“字母数字”，以及一些与 \p{Other_Alphabetic} (\p{OAlpha}) 匹配的其他符号。

但是，在使用带有正则表达式的 u 修饰符时，需要注意以下几点：

• 您可以使用Unicode代码点转义序列，例如\u{1F42A}来通过代码点指定字符。普通的Unicode转义序列，如\u03B1只有四个十六进制数字的范围（相当于基本多语言平面）(source)
• "4字节的字符被正确处理：作为单个字符，而不是两个2字节的字符" (source)
• 使用u标志编译的模式的转义要求更严格：您不能转义任何特殊字符，只能转义那些实际上可以作为特殊字符的字符。请参见HTML输入模式无效。

- Wiktor Stribiżew

---

这在Chrome 89中有效，但是if ('ıi和平'.match(/\p{Alphabetic}+/gu)) {console.log('true!');} else {console.log('false!');}在Waterfox 56中似乎无效，请问您有什么想法？ - John

@John 如果 ECMAScript 2018 在那里还没有得到支持，你需要一个解决方法，可以参考这里的描述。 - Wiktor Stribiżew