匹配 unicode 块或索引范围的正则表达式答案

【问题标题】：Regular expression to match unicode block, or index range匹配 unicode 块或索引范围的正则表达式
【发布时间】：2019-08-02 03:25:00
【问题描述】：

我正在尝试创建一个正则表达式，它将匹配 unicode 块中的任何字符 - 特别是 Mathematical Alphanumeric Symbols 块。

此处的目的是识别使用 Unicode 字符的内容的用途，以便在其文本上获得不同的格式，例如粗体或斜体文本，但通常不受支持。有很多网站，like this one 可以帮助用户转换文本。

我尝试使用速记属性代码，但它似乎与我期望的块中的所有字符都不匹配。

preg_match('/\p{Sm}/i', '????') === 1; // false

似乎 PHP 也不支持命名变体，所以我不能做类似\p{Math} 的事情。

我相信我需要定位块范围 - 从 U+1D400 - U+1D7FF，但我无法弄清楚如何正确构建这个正则表达式。这就是我认为我可以让它工作的方式，但它似乎不起作用。

preg_match('/\x{1D400}-\x{1D7FF}/i', '????') === 1; // false

我希望这些字符都不匹配（直接在我的键盘上输入）：

abcdefghijklmnopqrstuvwxyz0123456789

我希望这些字符中的每一个都匹配（与上面相同，使用上面的链接转换为数学粗体）：

????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????

【问题讨论】：

您假定了错误的属性。 ???? 是 Nd，而不是 Sm：› uniprops ????␤U+1D7EE ‹????› \N{MATHEMATICAL SANS-SERIF BOLD DIGIT TWO}␤\w \d \pN \p{Nd}␤All Alnum X_POSIX_Alnum Any Assigned ID_Continue Is_IDC Changes_When_NFKC_Casefolded CWKCF Common Zyyy Decimal_Number X_POSIX_Digit Digit Nd N Gr_Base Grapheme_Base Graph X_POSIX_Graph GrBase IDC Math Math_Alphanum Mathematical_Alphanumeric_Symbols InMathAlphanum Number Print X_POSIX_Print Unicode Word X_POSIX_Word XID_Continue XIDC

标签： php regex unicode pcre

【解决方案1】：

我猜这个表达式可能有效，但不确定：

$re = '/[\x{1D400}-\x{1D7FF}]+/su';
$str = '????????????????????????????????????';
preg_match_all($re, $str, $matches, PREG_SET_ORDER, 0);
var_dump($matches);

\p{S} or \p{Symbol}: math symbols, currency signs, dingbats, box-drawing characters, etc.
\p{Sm} or \p{Math_Symbol}: any mathematical symbol.
\p{Sc} or \p{Currency_Symbol}: any currency sign.
\p{Sk} or \p{Modifier_Symbol}: a combining character (mark) as a full character on its own.
\p{So} or \p{Other_Symbol}: various symbols that are not math symbols, currency signs, or combining characters.

表达式在regex101.com 的右上方面板中进行了解释，如果您想探索/简化/修改它，在this link 中，您可以查看它如何与一些示例输入进行匹配，如果您愿意的话。

参考

RegEx for Mathematical Alphanumeric Symbols

Unicode Regular Expressions

【讨论】：

这很好用 - 也感谢额外的链接，现在我已经有了一个工作基础，玩起来会更容易。