正则表达式：\w - "_" + "-" 在UTF-8中的含义

Question

我需要一个正则表达式来匹配UTF-8字母和数字、破折号(-)，但不匹配下划线(_)。我尝试了以下这些无效的正则表达式：

• ([\w-^_])+
• ([\w^_]-?)+
• (\w[^_]-?)+

\w 是 [A-Za-z0-9_] 的速记符号，但如果设置了 u 修饰符，它也会匹配UTF-8字符。

有人能帮我解决这个问题吗？

- Alix Axel

---

请明确“UTF-8字母”的含义 - 您确认您不仅需要英文字符吗？ - meder omuraliev

@meder：我需要英文和带重音/外文字符。 - Alix Axel

Answer 1

试试这个：

(?:[\w\-](?<!_))+

它会对所有被编码为\w（或破折号）的字符进行简单匹配，并使用零宽度回顾后发现刚才匹配的字符不是下划线。

否则，你可以选择这个：

(?:[^_\W]|-)+

这是一种更加基于集合的方法（注意大写字母W）。

好吧，在 PHP 中，我用 PCRE 玩了很多 Unicode 的花样:D Peekaboo 说有一个简单的解决方案可用：

[\p{L}\p{N}\-]+

\p{L} 匹配任何Unicode字符，都可以被视为字母（注意：不包括单词字符，因此不包括下划线），而 \p{N} 匹配任何看起来像数字的字符（包括罗马数字和更多奇特的字符）。
\- 就是一个转义的破折号。虽然不是严格必要的，但我倾向于在字符类中转义破折号...请注意，Unicode 中有几十种不同的破折号，因此会出现以下版本：

[\p{L}\p{N}\p{Pd}]+

“Pd”指的是标点破折号，其中包括但不限于我们的减号破折号。请注意，这里没有下划线。

- danielschemmel

---

否定\W是否不包括连字符？ - codaddict

@dionadar - 这对我来说不匹配重音字符。 - meder omuraliev

据我所知，连字符“-”不包含在\w中 - 即使它被包含在内，这样表述也不会有任何问题 ;) - danielschemmel

@meder OP 表示：“如果我设置了 u 修饰符，\w [...] 也会匹配 UTF-8 字符。” - danielschemmel

\p{N} 包括各种数字 - 据我所知，Nd 表示 0-9 的数字，而 Nl 包括罗马字面值（在 Unicode 中，罗马数字 1 不是字母 I，而是看起来像它的东西），No 则几乎包括了其他两个中找不到的所有数字。 - danielschemmel

Answer 2

我不确定您使用的是哪种语言，但在 PERL 中，当正确的语言环境设置后，您可以简单地编写：[[:alnum:]-]+。

- Jiri Klouda

---

很高兴知道这个，但我正在使用PHP（PCRE引擎）。 - Alix Axel

在 PHP 和 Rubular（Ruby）中尝试过，参见 http://www.rubular.com/regexes/12922 和 http://www.rubular.com/regexes/12923。 - Alix Axel

在PCRE中，[:alnum:]可以替换为\p{IsAlnum}，你可以尝试使用\p{L}\p{N}。 - Jiri Klouda