C#正则表达式中的外语字符

Question

在C＃代码中，我正在尝试传递中文字符：" 中文ABC123"。

当我使用一般的字母数字组合" ^[a-zA-Z0-9\s]+$"时，

对于"中文ABC123"无法通过，正则表达式验证失败。

我需要添加哪些其他表达式用于C#？

- user2683269

Answer 1

为了匹配来自任何语言的任何字母字符，请使用：

\p{L}

如果您也想匹配数字：

[\p{L}\p{Nd}]+

\p{L} 匹配一个Unicode字母字符。
                它是 [\p{Ll}\p{Lu}\p{Lt}\p{Lm}\p{Lo}] 的简写形式。
                \p{Ll} 匹配小写字母。(abc)
                \p{Lu} 匹配大写字母。(ABC)
                \p{Lt} 匹配标题大小写的字母。
                \p{Lm} 匹配修饰符字母。
                \p{Lo} 匹配没有大小写的字母。 (中文)

\p{Nd} ... 匹配一个Unicode十进制数字。

只需要将： ^[a-zA-Z0-9\s]+$ 替换为 ^[\p{L}0-9\s]+$

- Andie2302

---

或者，如果标点符号没问题，可以使用更简单的\w（单词字符）代替[\p{L}0-9]。 - bzlm

顺便提一下，Andie2302，这个问题与HTML5 Pattern存在巨大冲突，我试图使用HTML5 pattern属性进行验证，但失败了。你有什么想法可以解决所有语言的HTML5 Pattern属性问题吗？ - user2683269

JavaScript（以及因此 html5 输入模式）不支持\p，并将\w视为“拉丁单词字符”，因此在这里更加棘手：https://dev59.com/OHVC5IYBdhLWcg3w51lv#22075070 - bzlm

除了中文和日文字符，\p{Lo} 可能捕获哪些其他语言的字符？ - Yoav Feuerstein

@bzlm 关于在 .NET 中的 \w，这里有更多信息：https://dev59.com/53A75IYBdhLWcg3w_eb1#2998550（请注意，如果使用 ECMAScript 兼容行为，则 \w 并不适用于所有语言） - derekantrican

字符串：IŠMIN-AS-AK-AŠ/20 模式： "/IŠMIN-AS-AK-\p{L}{2,}/" 结果： ^ b"IÅ MIN-AS-AK-AÅ"如何解决这个问题？ - keizah7

Answer 2

感谢@Andie2302指出正确的做法。

此外，对于世界上许多语言来说，它们仍然有“附加字符”，需要主要字符来生成它（例如泰语单词“เก็บ”，如果仅使用\p{L}，它将只显示“เกบ”，您可以看到一些符号将从单词中消失）。

这就是为什么仅使用\p{L}不适用于所有外语的原因。

因此，您需要使用下面的代码来支持几乎所有外语。

\p{L}\p{M}

注意：

L代表“字母”（所有语言的字母，但不包括“标记”）

M代表“标记”（标记不能单独显示，需要“字母”才能显示）

此外，如果需要数字，请使用以下代码

\p{N}

注意：

N 代表“数字”。

---

感谢这个网站提供的非常有用的信息：

https://www.regular-expressions.info/unicode.html

- Sruit A.Suk