JavaScript中所有可打印字符的正则表达式

Question

寻找一个验证所有可打印字符的正则表达式。正则表达式只需要在 JavaScript 中使用。我浏览过this 的帖子，但它主要讨论的是.net、Java 和C，而不是JavaScript。

您必须只允许这些可打印字符：

az、AZ、0-9 和三十二个符号：!"#$%&'()*+,-./:;?@[] ^_`{|}~ 和空间

需要一个 JavaScript 正则表达式来验证输入字符是上述之一并丢弃其余字符。

Answer 1

TLDR 答案

使用string1.match(/[\p{Cc}\p{Cn}\p{Cs}]+/gu) 作为条件，真正的意思是string1 包含任何不可打印的字符。

或者，如果您想要逻辑等价，string1.match(/^[\P{Cc}\P{Cn}\P{Cs}]+$/gu) 作为条件将在 string1 仅包含可打印字符时返回 true。

TLDR 说明

• \P{Cc}：不要匹配控制字符。
• \P{Cn}：不要匹配未分配的字符。
• \P{Cs}：不要匹配 UTF-8 无效字符。
• + ：确保找到了某些东西，也就是说，这也意味着空字符串 "" 将不被视为可打印。
• /g : 贪婪匹配，穷举/贪婪地搜索字符串以查找指定的字符集。
• /u ：用于匹配 unicode 字符点的 unicode 正则表达式运算符。 （来源：MDN Web Docs: Regular Expressions; Unicode Property Escapes。）

演示

var string1 = 'This string has unprintable characters \u0001';

if(string1.match(/[\p{Cc}\p{Cn}\p{Cs}]+/gu)) {
  console.log("Unprintable string: " + string1);
}
var string2 = 'This string has only printable characters.';

if(string2.match(/^[\P{Cc}\P{Cn}\P{Cs}]+$/gu)) {
  console.log("Printable string: " + string2);
}

可能的替代方案

• \P{C} ：仅匹配可见字符。不要匹配任何不可见的字符。
• \P{Cc} ：仅匹配非控制字符。不要匹配任何控制字符。
• \P{Cc}\P{Cn} ：仅匹配已分配的非控制字符。不要匹配任何控制或未分配的字符。
• \P{Cc}\P{Cn}\P{Cs} ：仅匹配已分配且 UTF-8 有效的非控制字符。不匹配任何控制、未分配或 UTF-8 无效字符。
• \P{Cc}\P{Cn}\P{Cs}\P{Cf} ：仅匹配已分配且 UTF-8 有效的非控制、非格式字符。不匹配任何控制、未分配、格式化或 UTF-8 无效字符。

来源及说明

查看可用于在正则表达式中进行测试的Unicode Character Properties。您应该能够在Microsoft .NET、JavaScript、Python、Java、PHP、Ruby、Perl、Golang 甚至Adobe 中使用这些正则表达式。了解 Unicode 字符类是非常容易转移的知识，所以我推荐使用它！

这个正则表达式将匹配任何可见的东西，无论是简写还是长写...

\p{L}\p{M}\p{N}\p{P}\p{S}\p{Z}
\p{Letter}\p{Mark}\p{Number}\p{Punctuation}\p{Symbol}\p{Separator}

\p 表示这是我们想要匹配的东西，但我们也可以选择使用\P（大写）to indicate something that does not match. 所以，这意味着我们可以使用\p{C} 类，用于“隐形控制”字符和未使用的代码点。” （来源：Regular-Expressions.info。）一个更简单的正则表达式是\P{C}，但这在删除不可见格式方面可能过于严格。您可能想仔细观察，看看什么是最好的，但其中一种选择应该适合您的需求。

所有可匹配的 Unicode 字符集

如果您想了解任何其他可用的字符集，请查看regular-expressions.info...

• \p{L} 或 \p{Letter}：来自任何语言的任何类型的信件。
  • \p{Ll} 或 \p{Lowercase_Letter}：带有大写变体的小写字母。
  • \p{Lu} 或 \p{Uppercase_Letter}：带有小写变体的大写字母。
  • \p{Lt} 或 \p{Titlecase_Letter}：当单词的首字母大写时出现在单词开头的字母。
  • \p{L&} 或 \p{Cased_Letter}：以小写和大写形式存在的字母（Ll、Lu 和 Lt 的组合）。
  • \p{Lm} 或 \p{Modifier_Letter}：一个特殊字符，用作字母。
  • \p{Lo} 或 \p{Other_Letter}：不区分大小写的字母或表意文字
• \p{M} 或 \p{Mark}：旨在与另一个字符组合的字符（例如重音符号、变音符号、封闭框等）。
  • \p{Mn} 或 \p{Non_Spacing_Mark}：一个旨在与另一个字符组合的字符 不占用额外空间的字符（例如重音、变音等）。
  • \p{Mc} 或 \p{Spacing_Combining_Mark}：旨在与占用额外空间的另一个字符组合的字符（许多东方语言中的元音符号）。
  • \p{Me} 或 \p{Enclosing_Mark}：包含与其组合的字符（圆形、方形、键帽等）的字符。
• \p{Z} 或 \p{Separator}：任何类型的空格或不可见的分隔符。
  • \p{Zs} 或 \p{Space_Separator}：一个不可见但占用空间的空白字符。
  • \p{Zl} 或 \p{Line_Separator}：行分隔符 U+2028。
  • \p{Zp} 或 \p{Paragraph_Separator}：段落分隔符 U+2029。
• \p{S} 或 \p{Symbol}：数学符号、货币符号、装饰符号、画框字符等。
  • \p{Sm} 或 \p{Math_Symbol}：任何数学符号。
  • \p{Sc} 或 \p{Currency_Symbol}：任何货币符号。
  • \p{Sk} 或 \p{Modifier_Symbol}：一个组合字符（标记）作为一个完整的字符。
  • \p{So} 或 \p{Other_Symbol}：不是数学符号、货币符号或组合字符的各种符号。
• \p{N} 或 \p{Number}：任何脚本中的任何类型的数字字符。
  • \p{Nd} 或 \p{Decimal_Digit_Number}：除表意文字外的任何文字中的数字 0 到 9。
  • \p{Nl} 或 \p{Letter_Number}：一个看起来像字母的数字，例如罗马数字。
  • \p{No} 或 \p{Other_Number}：上标或下标数字，或不是数字 0-9 的数字（不包括来自表意文字的数字）。
• \p{P} 或 \p{Punctuation}：任何类型的标点符号。
  • \p{Pd} 或 \p{Dash_Punctuation}：任何类型的连字符或破折号。
  • \p{Ps} 或 \p{Open_Punctuation}：任何类型的左括号。
  • \p{Pe} 或 \p{Close_Punctuation}：任何类型的右括号。
  • \p{Pi} 或 \p{Initial_Punctuation}：任何类型的开场白。
  • \p{Pf} 或 \p{Final_Punctuation}：任何类型的结束语。
  • \p{Pc} 或 \p{Connector_Punctuation}：标点符号，例如连接单词的下划线。
  • \p{Po} 或 \p{Other_Punctuation}：任何非破折号、括号、引号或连接符的标点符号。
• \p{C} 或 \p{Other}：不可见的控制字符和未使用的代码点。
  • \p{Cc} 或 \p{Control}：ASCII 或 Latin-1 控制字符：0x00–0x1F 和 0x7F–0x9F。
  • \p{Cf} 或 \p{Format}：不可见的格式指示符。
  • \p{Co} 或 \p{Private_Use}：保留供私人使用的任何代码点。
  • \p{Cs} 或 \p{Surrogate}：UTF-16 编码的代理对的一半。
  • \p{Cn} 或 \p{Unassigned}：任何未分配字符的代码点。

Answer 2

对于非 unicode 使用正则表达式模式^[^\x00-\x1F\x80-\x9F]+$

---

如果您想使用 unicode，请先阅读 Javascript + Unicode regexes。

我建议然后使用正则表达式模式^[^\p{Cc}\p{Cf}\p{Zl}\p{Zp}]*$

• \p{Cc} 或 \p{Control}：ASCII 0x00..0x1F 或 Latin-1 0x80..0x9F 控制字符。
• \p{Cf} 或 \p{Format}：不可见的格式指示符。
• \p{Zl} 或 \p{Line_Separator}：行分隔符 U+2028。
• \p{Zp} 或 \p{Paragraph_Separator}：段落分隔符 U+2029。

欲了解更多信息，请参阅http://www.regular-expressions.info/unicode.html

Answer 3

要验证字符串仅包含可打印的 ASCII 字符，请使用简单的正则表达式，例如

/^[ -~]+$/

匹配

• ^ - 字符串锚的开始
• [ -~]+ - 一个或多个（由于 + 量词）在 ASCII 表中从空格到波浪号的字符：

- $ - 字符串锚点结束

对于 Unicode 可打印字符，使用 XRegExp 中的 \PC Unicode 类别（匹配除控制字符以外的任何字符），如前所述：

^\PC+$

查看正则表达式演示：

// ASCII only
var ascii_print_rx = /^[ -~]+$/;
console.log(ascii_print_rx.test("It's all right.")); // true
console.log(ascii_print_rx.test('\f ')); // false, \f is an ASCII form feed char
console.log(ascii_print_rx.test("demásiado tarde")); // false, no Unicode printable char support
// Unicode support
console.log(XRegExp.test('demásiado tarde', XRegExp("^\\PC+$"))); // true
console.log(XRegExp.test('‌ ', XRegExp("^\\PC+$"))); // false, \u200C is a Unicode zero-width joiner
console.log(XRegExp.test('\f ', XRegExp("^\\PC+$"))); // false, \f is an ASCII form feed char

<script src="http://cdnjs.cloudflare.com/ajax/libs/xregexp/3.1.1/xregexp-all.min.js"></script>

Answer 4

自发布此问题以来，JavaScript 似乎发生了某种程度的变化？

我正在使用这个：

var regex = /^[\u0020-\u007e\u00a0-\u00ff]*$/;
console.log( regex.test("!\"#$%&'()*+,-./:;<=>?@[] ^_`{|}~")); //should output "true" 
console.log( regex.test("Iñtërnâtiônàlizætiøn")); //should output "true"
console.log( regex.test("☃?")); //should output "false" 

Answer 5

如果您想匹配 UTF-8 集中的所有可打印字符（如您在 8 月 21 日的评论所示），您自己将很难做到这一点。 JavaScript 的原生正则表达式具有糟糕的 Unicode 支持。但是您可以将XRegExp 与正则表达式^\P{C}*$ 一起使用。

如果您只想将编辑中提到的那几个 ASCII 字母与 8 月 22 日的帖子相匹配，那么正则表达式是微不足道的：

/^[a-z0-9!"#$%&'()*+,.\/:;<=>?@\[\] ^_`{|}~-]*$/i