验证字符串仅包含ASCII字符和数字

Question

验证字符串仅包含ASCII字符和数字

3

我正在进行用户名验证：

if [[ "$username" =~ ^[a-z][_a-z0-9]{2,17}$ ]]; then

实际上，用户名可以包含像é、ç、à等Unicode字符。

我应该使用哪个正则表达式类来限制字符串仅为ASCII字母（a、b、c、d……z）？

- John Smith Optional

4个回答

3

弹性设计的方法是将[a-z] 直接拼写为 [abcdefghijklmnopqrstuvwxyz]。这样就不用考虑区域设置或有趣的字符类，而且自1970年1月1日00:00:00以来，任何Shell都支持它。无论您的操作系统供应商、Shell供应商、Unix标准化过程或BOFH认为什么是炫酷的，这个方法都是未来的。

加一个额外的变量lc，像这样：

lc=abcdefghijklmnopqrstuvwxyz

正则表达式甚至变得易读:

[$lc][_0-9$lc]{2,17}

这就是高度健壮且可移植的configure脚本所做的事情。

- Jens

直到你停止假设地球上每个人都有一个英文名字，并且你想允许非拉丁字符，才能真正做到防弹。开个玩笑，它回答了问题，但无论如何，^[abcdefghijklmnopqrstuvwxyz][_abcdefghijklmnopqrstuvwxyz0-9]{2,17}$ 是一个非常丑陋的正则表达式 :-) - paxdiablo

很不好的是，[a-z] 的语义在环境上有一个隐藏的依赖性，这让 OP 感到惊讶。使用 lc=abcdefghijklmnopqrstuvwxyz，正则表达式变得非常易读，为 [$lc][_0-9$lc]{2,17}。 - Jens

嗯，只有当你对国际化和本地化没有太多经验时它才是“隐藏的”，但我有这个优势，因为我在一家必须将产品运往许多不同国家的公司工作。但是你的 $lc 技巧使你的解决方案更加可行，所以为此点赞。我建议将其添加到答案中而不是留在注释中。 - paxdiablo

我现在打算采用这个解决方案。它可能有点“丑陋”，但它是明确的，我相信多年后我仍然能理解脚本的工作原理。你说得对：[a-z]的语义很丑陋。我可能会将你的答案标记为已接受，但我会等待几个小时，以防有人找到我们迄今为止没有想到的解决方案。 - John Smith Optional

@JohnSmith 可选明确、自我记录、未来可靠：总之——优雅！ - Jens

0

请使用以下内容：

if [[ "$username" =~ ^[\x00-\x7f]{2,17}$ ]]; then

- neevek

我真的很想做到这一点（或更准确地说是 ^[\x61-\x7a]$，因为我只对 a、b、c...z 感兴趣）。不幸的是，似乎 bash 正则表达式不理解字符的 \x.. 表示法。如果你找到了让它工作的方法，那就太棒了。 - John Smith Optional

0

在使用正则表达式检查用户名长度是否正确之前，您应该对输入字符串进行清理。这意味着您应该将允许的内容列入白名单，而不是列入不允许的黑名单。在这种情况下，我们可以在实际的正则表达式之前使用例如tr来删除所有不需要的字符。当正则表达式检查跟随时，它变得更加简单。

echo "abc[日本語][ひらがな][カタカナ][äüéçà]abc" | tr -dc "a-zA-Z"

这将只留下abcabc作为余数。

- Bjoern Rennhak

1

这很可能存在原始正则表达式的所有问题，即依赖于区域设置来确定a-z的含义。而且你使用它是错误的，因为tr不接受像[a-z]这样的字符类，而是只将-视为特殊字符。你的管道没有过滤掉[和]。 - Jens

谢谢你关于括号的提示，我搞错了（已经修正）。不幸的是，你说这不起作用是错误的，请看修改。 - Bjoern Rennhak

它只允许字母表中的内容进入白名单是错误的，因为它还允许[]进入白名单。 - Jens

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- paxdiablo · Accepted Answer

您可以通过首先设置LC_ALL=C（可能是临时的，以免影响其他内容）来实现这一点。更现代的正则表达式引擎允许使用区域设置，可以将带重音符号的字符折叠到它们的基本字符上（或者至少按顺序排列，使它们处于a和z之间）。

由于C语言环境只知道ASCII，因此这应该可以解决问题。

例如，请参见以下脚本：

#!/bin/bash

username=amélie_314159

for locale in '' 'C' ; do
    export LC_ALL="${locale}"
    printf "LC_ALL set to %-3s: '%s' is " "'$LC_ALL'" "${username}"
    if [[ "${username}" =~ ^[a-z][_a-z0-9]{2,17}$ ]] ; then
        echo valid
    else
        echo invalid
    fi
done

它将输出：

LC_ALL set to '' : 'amélie_314159' is valid
LC_ALL set to 'C': 'amélie_314159' is invalid