为什么西里尔字母的正则表达式会漏掉一个字母？ [复制]答案

【问题标题】：Why regular expression for cyrillic letters misses a letter? [duplicate]为什么西里尔字母的正则表达式会漏掉一个字母？ [复制]
【发布时间】：2014-11-04 09:05:53
【问题描述】：

我想验证 html 页面中的文本输入字段以仅接受西里尔字母。我使用正则表达式在 JavaScript 中编写了验证代码，如下所示：

var namevalue = document.getElementById("name")
var letters = /^[А-Яа-я]+$/;
if (namevalue.matches(letters)) {
  alert("Accepted");
}
else {
  alert("Enter only cyrillic letters");
}

此代码适用于所有西里尔字母，除了Ё ё

【问题讨论】：

试试这个：var letters = /^[А-Яа-яёЁ]+$/;
@MarkZucchini：这不是字符类的工作方式。删除|
这可能会有所帮助：en.wikipedia.org/wiki/Cyrillic_script#Computer_encoding
“仅西里尔字母”要求含糊不清，因为有很多语言使用西里尔字母的子集，并且在一种语言中有效的字符在另一种语言中不存在。您要匹配哪种语言？
是的。 ё 不工作的问题是因为它超出了 A-Я 范围。 A-Я 是一个基本的西里尔字母 [0430-044F]，但 ё 不在那个基本字母表中。它是西里尔文扩展名 [0400-045F]。因此，javascript 正则表达式不是通过字母本身进行比较，而是通过其字符码进行比较，所以 ё 超出了范围。

标签： javascript html regex

【解决方案1】：

ё 无法正常工作的问题，因为它超出了Aа-Яя 的范围。 Aа-Яа 属于基本西里尔字母 [0430-044F]，但ё 不在那个基本西里尔字母 中。 ё 属于 西里尔文扩展 [0400-045F]。因为，JavaScript 正则表达式引擎不是通过字母本身而是通过其字符代码进行比较，所以 ё 只是超出了范围。

因为我认为您的意思是现代俄语，尽管ё 很少见但仍在广泛使用我可能会建议这个解决方案

var namevalue = document.getElementById("name")

// please note that I added to your pattern "еЁ".
// now this matches all Russian cyrillic letters both small and caps
// plus ё and Ё
var letters = /^[А-Яа-яёЁ]+$/; 

if (namevalue.matches(letters)) {
   alert("Accepted");
}
else {
   alert("Enter only cyrillic letters");
}

不幸的是，A-Я 和 Ё 的问题深埋在 Unicode 规范中。没有简单明了的解决方案。因此，对于健壮的编程，您需要始终为这种情况做好准备。

【讨论】：

既然JS保证大小写正确折叠，可以简单的/^[а-яё]+$/i。

【解决方案2】：

您可以在西里尔字母扩展中找到ёЁ，而不是在А-Яа-я t中找到

【讨论】：

【解决方案3】：

Ë 不一定在西里尔字母中，因此，不在您使用的 А-Яа-я 范围内。

您的 Ë 西里尔文：U+0401 还是拉丁文：U+00CB？

如果您还想捕捉非西里尔字母 Ë's ，您可能需要将此范围添加到您的正则表达式中：À-ÿ:

alert(JSON.stringify("Ëë".match(/^[À-ÿ]+$/)))

如果您只想在西里尔字母中捕捉Ë，试试这个：

不要从U+0410 (А) 开始您的范围，而是从U+0400 (Ѐ) 开始并以U+045F (џ) 结束：

alert(JSON.stringify("Ёё".match(/^[Ѐ-џ]+$/)))

（最后一个范围应包括完整的西里尔字母。）

来源：Unicode character codes.您可以使用此页面来检查需要添加到正则表达式的范围。

【讨论】：

我不知道如何评价第一个选项。它在视觉上类似于西里尔字母变音符号 (U+0451)，但它是拉丁字母（不太可能混入西里尔字母）。我认为您的第二个解决方案可能是 OP 想要的，但它将包含一堆未使用的西里尔字符。
是的，这有点问题。我不熟悉西里尔文，所以我不知道什么是字符，也没有使用过。如果你是，请建议一个更好的使用范围:-)
除非您只想迎合一种语言，否则您将始终使用未使用的西里尔字符。它们都在一些语言中使用（他们不会存在！），但没有单一语言使用它们
还有另一件事 - 这可能是有问题的：并非所有重音西里尔字符都被编码，这意味着您可能必须考虑组合标记。
拉丁字母Ë在这种情况下是不相关的。如果要允许形状与西里尔字母相同的拉丁字母，则需要允许更多；专门允许拉丁语 Ë 会很奇怪。答案的另一部分的问题是允许任意收集西里尔字母，拒绝其中的许多字母。表达式并不代表所有西里尔字母，但也不代表俄语中使用的一组字母，这显然是本意。