在字符串中找到变音符号[关闭]答案

【问题标题】：Find the diacritic in the string [closed]在字符串中找到变音符号[关闭]
【发布时间】：2021-12-11 06:30:12
【问题描述】：

我正在做一些搜索，发现了一个类似的主题 Powershell find non-ASCII characters in text file

下面的我的函数不能处理所有情况，例如撇号或所有特殊字符

function IsStringDiacritic {
    param (
        [parameter(Mandatory = $True)][string]$String
    )
    
    If ($String -as [System.Net.Mail.MailAddress]) {
        $String = $String.Split('@')[0]
    }

    Return [bool]($String -cmatch '[^\x20-\x7F]')
}

以上是我制作的功能，但我没有得到我需要的功能。

我想发送函数 first.last，如果有变音符号返回 true 或 false。

我的函数能够处理电子邮件地址以及测试然后拆分，但这不是主要部分。

我想我需要一个可以查看 first.last 或 first last 的正则表达式，但我不确定如何包含这些可能性。

有更好的想法吗？

【问题讨论】：

如果您需要查找变音符号，为什么要使用匹配除可打印 ASCII 以外的任何字符的模式？使用-match '\p{M}'
这里可能有一些东西，但我对你的答案的测试都没有奏效。 @WiktorStribiżew
@WiktorStribiżew 指的是 变音符号 的字面定义，它是一个标记，例如 COMBINING DIAERESIS，U+0308)，它修饰另一个字符，通常形成一个重音字符，这可能就是您的意思。 \p{M] 匹配这样的标记。但是，鉴于此类标记在 .NET 中很少作为单独的[char] 实例（Unicode 代码单元）使用，因此很少有用（参见下一条评论）。
背景：Unicode有多种等效方式来表示重音字符：作为一个single代码点来表示composed 形式，例如ä（代码点0xe4）或分解形式：'a'，后跟上述分音符（'a' + [char] 0x308）。两者 render 相同，-eq 识别等价 - 但 -match 不识别。鉴于重音字符的组合的单码点形式远比分解的双码点形式更常见，匹配\p{M] 很少有用，因为它只匹配变音符号，作为一个单独的代码单元
看来我的整个问题都是错误的，我对规则的理解并不完整。我需要的是找到一个电子邮件地址是否有[!#$%^&*(`/?,'' äöüßÄÖÜ)] 在我在这里得到所有帮助之后，我做了以下事情。 function IsStringSpecialCharacters { param ( [parameter(Mandatory = $True)][string]$String ) $String -match '[!#$%^&*(`/?,'' äöüßÄÖÜ)]' } 如果电子邮件地址包含我定义的任何特殊字符，则返回 true。

标签： regex powershell

【解决方案1】：

看起来您的真正意图不是查找带有变音符号的字符，而是确保给定名称 - 无论是单独指定还是作为电子邮件地址的用户名部分（@ 之前的部分） - 组成仅以下：

小写 ASCII 范围（英文）字母，即 a 到 z
. 或空格（如果有）用于分隔名称组件。

PowerShell 惯用的解决方案是定义一个Test-Name 函数来指示给定名称是否有效：

function Test-Name {

  param (
      [Parameter(Mandatory)]
      [string]$Name
  )
  
  $Name -cmatch '^[a-z]+(?:[. ][a-z]+)?(?:@.+)?$'

}

使用例如foo.bar、foo bar、foo.bar@example.org或foobar@example.org调用Test-Name会产生$true，而föo.bär、Foo.bar、foo-bar和@987654产量$false。

注意：

如果大写英文字母也可以接受，请将-cmatch替换为-match。
要允许额外的分隔符，请将它们添加到[. ] 字符集中；例如，要包含- 和_，请使用[. _-]（将- 放在首位或末位，这样它就不会被解释为字符范围的一部分，例如在[a-z])
(?:@.+)? 匹配以@ 开头的所有内容（如果存在）（但对@ 后面的内容没有任何限制，除非必须包含至少一个字符）。
注意整个字符串是如何匹配的，以确保名称不以. 或空格开始或结束，并且只有一个存在分隔符。
- 如果您还想允许，例如，三个名称组件（例如'foo.bar.baz'），请使用以下正则表达式：
  - ^[a-z]+(?:[. ][a-z]+){0,2}(?:@.+)?$

【讨论】：

因为如果不遵守或不理解规则，由于我的许多错误，这是一个封闭的话题。我试图定义我想要什么。看来我的问题应该是如何找到电子邮件字符串是否包含 !#$%^&*(`) 之类的章程上面的答案有效，但不适合我的需要。
@dcaz，即使没有明确定义。究竟是什么定义了不需要的字符？如果您可以轻松枚举它们，请使用字符集 ([...])，例如[!#$%^&*(`)]。但是，最好指定您希望 allow 的那些字符，如本答案所示。如果[a-z] 不够，请添加额外的字符there，例如[a-z0-9]，以便也允许十进制数字。同样，为了也允许使用大写字符，请使用 -match 而不是 -cmatch。

【解决方案2】：

目前看来可行的答案如下。

function IsStringDiacritic {
    param (
        [parameter(Mandatory = $True)][string]$String
    )
    
    If ($String -as [System.Net.Mail.MailAddress]) {
        $String = $String.Split('@')[0]
    }
    
    If ($String -like '*.*') {
        $String = $String.Replace('.', '')
    }

    $String = $String.Trim()
    
    Return [bool]($String -cmatch '[^a-z]')
}

我的原始功能并未处理所有情况，例如撇号或某人可能错误或故意使用的所有特殊字符。到目前为止，我的功能似乎告诉我是否有任何不是 a 到 z 的字符。它的限制是英语。

【讨论】：