使用正则表达式匹配 C# Unicode 标识符答案

【问题标题】：Match C# Unicode Identifier using Regex使用正则表达式匹配 C# Unicode 标识符
【发布时间】：2010-12-09 16:08:06
【问题描述】：

使用 .Net Regex 模式匹配 C# 标识符（特别是属性或字段名称）的正确方法是什么？

背景。我曾经使用以 ASCII 为中心的 @"[_a-zA-Z][_a-zA-Z0-9]*" 但现在 unicode 大写和小写字符是合法的，例如“AboöДЖem”。我应该如何将这些包含在模式中？

谢谢，最大

【问题讨论】：

标签： c# regex unicode character-properties

【解决方案1】：

根据http://msdn.microsoft.com/en-us/library/aa664670.aspx，忽略keyword和unicode-escape-sequence的东西，

@?[_\p{Lu}\p{Ll}\p{Lt}\p{Lm}\p{Lo}\p{Nl}][\p{Lu}\p{Ll}\p{Lt}\p{Lm}\p{Lo}\p{Nl}\p{Mn}\p{Mc}\p{Nd}\p{Pc}\p{Cf}]*

【讨论】：

我认为您可以将\p{Lu}\p{Ll}\p{Lt}\p{Lm}\p{Lo} 简化为\p{L}。此处使用的其他一些 char 类也是如此。我想如果这就是微软在他们的标准中加入的内容，那么做同样的事情可能是最简单的。
这是编译器从源头确定它的方式，以防万一有人感兴趣：github.com/dotnet/roslyn/blob/…

【解决方案2】：

这是一个考虑到不允许的前导数字的版本：

^(?:((?!\d)\w+(?:\.(?!\d)\w+)*)\.)?((?!\d)\w+)$

以下是 PowerShell 中的一些测试：

[regex]$regex = '(?x:
    ^                        # Start of string
    (?:
        (                    # Namespace
            (?!\d)\w+        #   Top-level namespace
            (?:\.(?!\d)\w+)* #   Subsequent namespaces
        )
        \.                   # End of namespaces period
    )?                       # Namespace is optional
    ((?!\d)\w+)              # Class name
    $                        # End of string
)'
@(
    'System.Data.Doohickey'
    '_1System.Data.Doohickey'
    'System.String'
    'System.Data.SqlClient.SqlConnection'
    'DoohickeyClass'
    'Stackoverflow.Q4400348.AboöДЖem'
    '1System.Data.Doohickey' # numbers not allowed at start of namespace
    'System.Data.1Doohickey' # numbers not allowed at start of class
    'global::DoohickeyClass' # "global::" not part of actual namespace
) | %{
    ($isMatch, $namespace, $class) = ($false, $null, $null)
    if ($_ -match $regex) {
        ($isMatch, $namespace, $class) = ($true, $Matches[1], $Matches[2])
    }
    new-object PSObject -prop @{
        'IsMatch'   = $isMatch
        'Name'      = $_
        'Namespace' = $namespace
        'Class'     = $class
    }
} | ft IsMatch, Name, Namespace, Class -auto

【讨论】：

这是否允许前导下划线？
@rory.ap 确实如此。（允许前导下划线）
不幸的是，此代码与 C# 的 @ 前缀不匹配，该前缀允许将 C# 关键字用作标识符。

【解决方案3】：

正则表达式中的预定义类是否解决了这个问题 \w 将匹配 öД。

【讨论】：

谢谢。现在我可以在 Glagolitic 和 Hieroglypics 中进行混合编程。 ;)
您不能只使用 @"\w+" 来匹配标识符 - 它会包括以数字开头的单词 - 例如它将匹配“12abc”，这是一个无效的标识符。我建议 @"[\w-[0-9]]\w*" 作为解决方案。