JavaScript 中的正则表达式：包括一个 Unicode 组并排除另一个

Question

我必须写一些正则表达式。而且我知道很多变种在哪里。但是我发现了我不明白的东西，所以我想问一下。

我有这个正则表达式： /^[\p{Letter} \-'`’–]+$/u 它必须允许拉丁文和诸如 Ü、Æ 等符号。

它有错误 - 它还允许使用乌克兰（西里尔文）符号“іЇ”。 所以我想添加规则“排除西里尔字母”。但我不知道该怎么做。

我试过/^[\p{Letter} \-'`’–][^\p{sc=Cyrillic}]+$/u;，但最后一部分 [^] 表示除西里尔字母以外的所有字母 ((

请不要说我重写正则表达式。我只是想学习如何编写“排除”规则。

谢谢）

Answer 1

在您的 /^[\p{Letter} \-'`’–]+$/u 正则表达式中，\p{Letter} 匹配 Unicode 表中的任何字母。但是，\p{Alphabetic} 包含更多字母，如果您打算匹配任何 Unicode 字母，您希望使用此 Unicode 类别类。

由于您只想匹配拉丁字母，您应该将\p{Letter} 替换为\p{sc=Latin} 或\p{sc=Latn}（注意连字符应该只在字符类的末尾使用，这是在这里使用它的最简洁的方式)。

请注意，sc= 或 Script=（这是用于脚本名称，scx= 或 Script_Extensions= 可用于脚本扩展）前缀需要在 Unicode 类别类中使用这些脚本名称（请参阅ECMAScript reference)。

查看 JavaScript 演示：

const rx = /^[\p{sc=Latn} '`’–-]+$/u;
console.log( rx.test("Вася-Пупкин’о") ); // => false
console.log( rx.test("Łukasz Ąłski") );  // => true
console.log( rx.test("Chloé Alméras") ); // => true

如果您想匹配任何字母但西里尔字母，您只需要像这样添加一个负前瞻：

const rx = /^(?:(?!\p{sc=Cyrl})[\p{Alphabetic} '`’–-])+$/u;
console.log( rx.test("Вася-Пупкин’о") ); // => false
console.log( rx.test("עֲדִינָה") );         // => true
console.log( rx.test("Łukasz Ąłski") );  // => true
console.log( rx.test("Chloé Alméras") ); // => true

查看更多关于value aliases and canonical values for the Unicode properties (Script and Script_Extensions) here的信息。