带有特殊字符的名称的正则表达式 (Unicode)答案

【问题标题】：Regex for names with special characters (Unicode)带有特殊字符的名称的正则表达式 (Unicode)
【发布时间】：2011-08-23 05:21:11
【问题描述】：

好的，我已经读了一整天的正则表达式，但仍然没有正确理解它。我正在尝试做的是验证名称，但我可以在互联网上找到的功能仅使用[a-zA-Z]，而忽略了我需要接受的字符。

我基本上需要一个正则表达式来检查名称是否至少是两个单词，并且它不包含数字或特殊字符，如!"#¤%&/()=...，但是这些单词可以包含 æ、é、Â 等字符。 ..

一个被接受的名字的例子是：“John Elkjærd”或“André Svenson”
一个不被接受的名字是：“Hans”、“H4nn3 安徒生”或“马丁·亨利克森！”

如果这很重要，我使用 javascript .match() 函数客户端并希望仅在“负面”服务器端使用 php 的 preg_replace()。（删除不匹配的字符）。

任何帮助将不胜感激。

更新：
好的，感谢Alix Axel's answer 我已经完成了重要的部分，服务器端的部分。

但正如LightWing's answer 的页面所暗示的那样，我找不到任何关于 javascript 的 unicode 支持的信息，所以我最终为客户端提供了一半的解决方案，只需检查至少两个单词和至少 5 个字符像这样：

if(name.match(/\S+/g).length >= minWords && name.length >= 5) {
  //valid
}

另一种方法是按照shifty's answer 中的建议指定所有 unicode 字符，我可能最终会做类似的事情，以及上面的解决方案，但这有点不切实际。

【问题讨论】：

你能举例说明一下吗
@Amit Gupta，谢谢，我做到了。 :)

标签： php javascript regex character-properties

【解决方案1】：

试试下面的正则表达式：

^(?:[\p{L}\p{Mn}\p{Pd}\'\x{2019}]+\s[\p{L}\p{Mn}\p{Pd}\'\x{2019}]+\s?)+$

在 PHP 中，这转换为：

if (preg_match('~^(?:[\p{L}\p{Mn}\p{Pd}\'\x{2019}]+\s[\p{L}\p{Mn}\p{Pd}\'\x{2019}]+\s?)+$~u', $name) > 0)
{
    // valid
}

你应该这样读：

^   # start of subject
    (?:     # match this:
        [           # match a:
            \p{L}       # Unicode letter, or
            \p{Mn}      # Unicode accents, or
            \p{Pd}      # Unicode hyphens, or
            \'          # single quote, or
            \x{2019}    # single quote (alternative)
        ]+              # one or more times
        \s          # any kind of space
        [               #match a:
            \p{L}       # Unicode letter, or
            \p{Mn}      # Unicode accents, or
            \p{Pd}      # Unicode hyphens, or
            \'          # single quote, or
            \x{2019}    # single quote (alternative)
        ]+              # one or more times
        \s?         # any kind of space (0 or more times)
    )+      # one or more times
$   # end of subject

老实说，我不知道如何将其移植到 Javascript，我什至不确定 Javascript 是否支持 Unicode 属性，但在 PHP PCRE 中，seems to work flawlessly @ IDEOne.com:

$names = array
(
    'Alix',
    'André Svenson',
    'H4nn3 Andersen',
    'Hans',
    'John Elkjærd',
    'Kristoffer la Cour',
    'Marco d\'Almeida',
    'Martin Henriksen!',
);

foreach ($names as $name)
{
    echo sprintf('%s is %s' . "\n", $name, (preg_match('~^(?:[\p{L}\p{Mn}\p{Pd}\'\x{2019}]+\s[\p{L}\p{Mn}\p{Pd}\'\x{2019}]+\s?)+$~u', $name) > 0) ? 'valid' : 'invalid');
}

很抱歉，我无法为您提供关于 Javascript 部分的帮助，但这里可能有人会。

验证：

约翰·埃尔克杰德
安德烈·斯文森
马尔科·达尔梅达
克里斯托弗拉库尔

无效：

汉斯
H4nn3 安徒生
马丁·亨利克森！

要替换无效字符，虽然我不知道你为什么需要这个，你只需要稍微改变一下：

$name = preg_replace('~[^\p{L}\p{Mn}\p{Pd}\'\x{2019}\s]~u', '$1', $name);

例子：

H4nn3 Andersen -> Hnn Andersen
马丁·亨利克森！ ->马丁·亨里克森

请注意，您始终需要使用 u 修饰符。

【讨论】：

感谢您的回答，这是完美的！我现在只需要让它与 js 一起工作，但这不会太难，现在我至少有一些东西可以去。 :) 哦，我想删除无效字符的原因是为了避免像“Tamperdata”或“cURL”这样的东西给我错误的输入，但如果我也验证了，我猜它没有意义:) 再次感谢。
@Kristoffer：我已经更新了我的问题以更好地解释正则表达式，如果没有其他 JS 替代方案，您可以随时使用 Ajax 并调用 PHP 来验证它。
对正则表达式部分的解释很棒，给我的不仅仅是盲目的复制粘贴。 JS 仍然给我带来麻烦，但是当/如果我找到解决方案时，我会在这里发布。
没有找到很好的 JS 解决方案，但我最终按照问题更新中的描述进行了操作。
@AlixAxel。截至 2019 年 3 月 11 日，js 在浏览器中仍然是 Unicode 愚蠢的。正如您所建议的，如果想随时验证，请使用 AJAX，否则使用 pattern 属性拒绝主要不需要的代码，然后在服务器上完全验证。

【解决方案2】：

关于 JavaScript，它更棘手，因为 JavaScript 正则表达式语法不支持 unicode 字符属性。一个务实的解决方案是匹配这样的字母：

[a-zA-Z\xC0-\uFFFF]

这允许使用所有语言的字母，但不包括数字和键盘上常见的所有特殊（非字母）字符。它是不完美的，因为它还允许非字母的 unicode 特殊符号，例如表情符号、雪人等。但是，由于这些符号通常在键盘上不可用，我认为它们不会被意外输入。因此，根据您的要求，这可能是一个可接受的解决方案。

【讨论】：

谢谢。我一直在寻找这个，因为上面的 RegEx 不适用于客户端 JavaScript 验证......我最终得到了这个： public const string NameFull = @"^(?!.{52,})[a-zA-Z\ xC0-\uFFFF\.\'\-]{2,50}(?: [a-zA-Z\xC0-\uFFFF\.\'\-]{2,50})+$";并在之后验证 Emoji：regex101.com/r/jP5jC5/2

【解决方案3】：

访问此页面Unicode Characters in Regular Expression

【讨论】：

谢谢，确实有助于理解。

【解决方案4】：

您可以将允许的特殊字符添加到正则表达式。

示例：

[a-zA-ZßöäüÖÄÜæé]+

编辑：

不是最好的解决方案，但如果至少有单词的话，这会给出一个结果。

[a-zA-ZßöäüÖÄÜæé]+\s[a-zA-ZßöäüÖÄÜæé]+

【讨论】：

为什么是[ \t] 而不仅仅是\s？
@Alis: \s 更好。谢谢你的建议。我不是正则专家：D

【解决方案5】：

这是对上面@Alix 出色答案的优化。它消除了两次定义字符类的需要，并允许更轻松地定义任意数量的所需单词。

^(?:[\p{L}\p{Mn}\p{Pd}\'\x{2019}]+(?:$|\s+)){2,}$

可以分解如下：

^         # start
  (?:       # non-capturing group
    [         # match a:
      \p{L}     # Unicode letter, or
      \p{Mn}    # Unicode accents, or
      \p{Pd}    # Unicode hyphens, or
      \'        # single quote, or
      \x{2019}  # single quote (alternative)
    ]+        # one or more times
    (?:       # non-capturing group
      $         # either end-of-string
    |         # or
      \s+       # one or more spaces
    )         # end of group
  ){2,}     # two or more times
$         # end-of-string

本质上，它是说找到一个由字符类定义的单词，然后找到一个或多个空格或一行的结尾。最后的{2,} 告诉它必须至少找到两个单词才能匹配成功。这确保了 OP 的“Hans”示例不匹配。

最后，因为我在寻找ruby 的类似解决方案时发现了这个问题，所以这里是可以在 Ruby 1.9+ 中使用的正则表达式

\A(?:[\p{L}\p{Mn}\p{Pd}\'\U+2019]+(?:\Z|\s+)){2,}\Z

主要的变化是使用 \A 和 \Z 作为字符串的开头和结尾（而不是行）和 Ruby 的 Unicode 字符表示法。

【讨论】：

【解决方案6】：

当检查你的输入字符串时，你可以

trim() 删除前导/尾随空格
匹配 [^\w\s] 以检测非单词\非空白字符
匹配 \s+ 得到单词分隔符的数量等于单词数+1。

但是我不确定 \w 速记是否包含重音字符，但它应该属于“单词字符”类别。

【讨论】：

\w 等价于[0-9a-zA-Z_]，取决于特定的机器语言环境，这可能（不）与重音/unicode 字符一起使用，无论哪种方式，它都将始终匹配数字，它不应该。
哦，看来我得去修复我自己的许多代码块了 :( 感谢提供有价值的信息！

【解决方案7】：

这是我用于由最多 3 个单词（1 到 60 个字符）组成的花哨名称的 JS 正则表达式，由空格/单引号/减号分隔

^([a-zA-Z\xC0-\uFFFF]{1,60}[ \-\']{0,1}){1,3}$

【讨论】：