正则表达式可以用于不同的语言吗？

Question

当然，英语对于正则表达式来说是易如反掌的，因为它最初就是在/针对它开发的：

正则表达式能理解这个字符集吗？

法语涉及一些带重音的字符，我不确定如何匹配 - 即 è 和 e 是否都被正则表达式视为单词字符？

Les expressions régulières peuvent-elles comprendre ce jeu de caractères?

日语中没有我所知道的正则表达式单词字符可供匹配。

正規表現はこの文字集合を理解できますか？

- John K

---

我认为这可能也严重取决于正则表达式引擎运行的平台，你有想到某个平台吗？ - Lazarus

"正则表达式"，或称“Regex”，是一个涵盖了你可能想要称之为字母表的符号集合的概念。在实践中，有许多不同的正则表达式引擎（所有我看过的都添加了其他功能），其中某些引擎可能很好地处理Unicode，而另一些可能不会。简而言之，这是一个与平台相关的问题，为了获得有用的响应，您需要告诉我们您所谈论的正则表达式引擎是哪一个。 - David Thornley

Answer 1

简短回答： 是的。

更具体地说，它取决于您的正则表达式引擎是否支持Unicode匹配（如此处所述）。

这样的匹配可以使您的正则表达式变得非常复杂，因此我建议阅读这篇 Unicode正则表达式教程（还要注意，Unicode实现本身可能会非常混乱，因此您可能还会从Joel Spolsky的文章中了解字符集的内部工作原理）。

- Lars Tackmann

---

请注意，Unicode 并不是混乱的根源。而是之前所有尝试使整个问题变得混乱不堪。 - Joachim Sauer

根据那篇文章的定义，Unicode 本身不会混乱：实现可能会出问题。 - Tom

问题在于\p{L}和所有以/p{ }开头的都是针对PCRE的。那我们来谈谈PCRE吧。 - undefined

Answer 2

"[\p{L}]" 这个正则表达式包含了所有语言的大小写字母，例如(a-z A-Z ä ß è 正 の文字を理解)等字符可以接受，然而类似(, . ? > :)或其他符号无法匹配。

• 方括号[]表示这个表达式是一个集合。
• 如果你想要匹配无限数量的该集合中的字母，可以在方括号后面加上星号*，像这样： "[\p{L}]*"。
• 在正则表达式中有时需要注意空格，因为空格可能会导致匹配失败。要解决这个问题，可以用"[ \p {L}]*"（注意方括号中的空格）。
• 如果你想把数字也加进去，可以使用“[\p{L|N} ]*”。其中 p{N} 匹配任何脚本中的任何数字字符。

- div-ane

---

我也发现这对不同语言非常有帮助：https://medium.com/@h2s1880/how-to-use-regular-expressions-to-distinguish-national-languages-in-swift-c19d6d8d0a97 - div-ane

然而，$ % & * ¥ √ 是被接受的，但不应该被接受。有时候 ß 也不被接受，为什么呢？在线的正则表达式工具，比如“regexr.com”（被认为是最好的）也存在很多问题。你们的编码是应用于PCRE引擎，对吗？我看到它并不是100%有效的。它接受了一些字符，拒绝了其他应该被接受的字符。是否有PHP函数可以检测一个字符是否真正属于现有的字母表，而不是数学符号或类似的东西？ - undefined

Answer 3

据我所知，没有任何特定的模式可以使用，例如[a-zA-Z]来匹配“è”，但您总是可以单独匹配它们，例如[a-zA-Zè正]。

显然，这可能会使您的正则表达式变得非常庞大，但您可以通过将字符串添加到变量中，并仅将变量传递到表达式中来控制此过程。

- Marcos Placona

Answer 4

一般来说，正则表达式更适用于理解机器可读性文本而非人类可读性文本。在许多方面上，它是对整个XML与正则表达式的更普遍的答案；正则表达式本质上无法正确地解析人类语言，因为语言比您用来解析它的工具更加复杂。

如果您想要分解人类语言（包括英语），您需要使用语言分析工具甚至是人工智能，而不仅仅是普通的正则表达式。

- Williham Totland

Answer 5

/[\p{Latin}]/ 应该包括拉丁字母。您可以在这里获得完整的解释和参考资料。

- casraf

---

那是一个看起来很有用的网站，但它只关注Perl和类似的正则表达式引擎。它并不是普适的。 - David Thornley

嗯，我不确定提问者使用的是哪个引擎，但也许这对他有用？Perl正则表达式引擎被广泛使用。 - casraf

Answer 6

这不是关于正则表达式本身，而是关于执行它的框架。我认为Java和.NET在处理Unicode方面非常出色。因此，“è和e都被正则表达式视为单词字符”是正确的。

- Andrey

Answer 7

这取决于实现和字符集。一般来说，答案是“是”，但可能需要您进行额外的设置。

例如，在Perl中，像\w这样的东西的含义会受所选择的语言环境（使用locale）的影响。

- sorpigal

Answer 8

这个Stack Overflow的帖子可能会有所帮助。它包括了你可以在正则表达式中使用的Unicode字符类别（例如，[Ll]代表所有小写字母，不论语言）。

- Tom

---

在哪个引擎中使用正则表达式？Perl？Boost？Java？ - David Thornley

6.2升V8。还有什么其他种类呢？ - Tom