具有特殊字符的名称的正则表达式 (Unicode)

Question

好吧，我已经读了一整天有关正则表达式的内容，但仍然没有正确理解它。我想做的是验证名称，但我在互联网上可以找到的函数仅使用 [a-zA-Z]，而忽略了我需要接受的字符。

我基本上需要一个正则表达式来检查名称是否至少有两个单词，并且不包含数字或特殊字符，例如 !"#¤%&/()=...，但是这些单词可以包含 æ、é、Â 等字符...

可接受的名称示例为：“John Elkjærd”或“André Svenson”
不可接受的名称为： “Hans”、“H4nn3 Andersen”或“Martin Henriksen！”

如果重要的话我会使用 并且希望仅在“负数”服务器端使用 php 的 preg_replace() （删除不匹配的字符）。

javascript .match() 函数客户端， 非常感谢。

更新：
好的，感谢 Alix Axel 的回答 我得到了重要的部分下来，服务器端一项。

但正如LightWing的答案中的页面所示，我无法找到有关 javascript 支持 unicode 的任何内容，因此我最终为客户端提供了一半的解决方案，只需检查至少两个单词和至少 5 个字符，如下所示：

if(name.match(/\S+/g).length >= minWords && name.length >= 5) {
  //valid
}

另一种方法是是按照shifty的答案中的建议指定所有unicode字符，我最终可能会做类似的事情以及上面的解决方案，但这有点不切实际。

Answer 1

尝试以下正则表达式：

^(?:[\p{L}\p{Mn}\p{Pd}\'\x{2019}]+\s[\p{L}\p{Mn}\p{Pd}\'\x{2019}]+\s?)+$

在 PHP 中，这翻译为：

if (preg_match('~^(?:[\p{L}\p{Mn}\p{Pd}\'\x{2019}]+\s[\p{L}\p{Mn}\p{Pd}\'\x{2019}]+\s?)+$~u', $name) > 0)
{
    // valid
}

你应该这样读：

^   # start of subject
    (?:     # match this:
        [           # match a:
            \p{L}       # Unicode letter, or
            \p{Mn}      # Unicode accents, or
            \p{Pd}      # Unicode hyphens, or
            \'          # single quote, or
            \x{2019}    # single quote (alternative)
        ]+              # one or more times
        \s          # any kind of space
        [               #match a:
            \p{L}       # Unicode letter, or
            \p{Mn}      # Unicode accents, or
            \p{Pd}      # Unicode hyphens, or
            \'          # single quote, or
            \x{2019}    # single quote (alternative)
        ]+              # one or more times
        \s?         # any kind of space (0 or more times)
    )+      # one or more times
$   # end of subject

老实说，我不知道如何将其移植到 Javascript，我什至不确定 Javascript 支持 Unicode 属性，但在 PHP PCRE 中，这个 似乎工作完美@ IDEOne.com：

$names = array
(
    'Alix',
    'André Svenson',
    'H4nn3 Andersen',
    'Hans',
    'John Elkjærd',
    'Kristoffer la Cour',
    'Marco d\'Almeida',
    'Martin Henriksen!',
);

foreach ($names as $name)
{
    echo sprintf('%s is %s' . "\n", $name, (preg_match('~^(?:[\p{L}\p{Mn}\p{Pd}\'\x{2019}]+\s[\p{L}\p{Mn}\p{Pd}\'\x{2019}]+\s?)+$~u', $name) > 0) ? 'valid' : 'invalid');
}

很抱歉，我无法帮助您了解 Javascript 部分，但可能有人会帮您。

---

有效：

• John Elkjærd
• André Svenson
• Marco d'Almeida
• Kristoffer la Cour

无效：

• Hans
• H4nn3 Andersen
• Martin Henriksen！

---

要替换无效字符，虽然我不确定为什么需要这个，但只需稍微更改一下即可：

$name = preg_replace('~[^\p{L}\p{Mn}\p{Pd}\'\x{2019}\s]~u', '$1', $name);

示例：

• H4nn3 Andersen -> Hnn Andersen
• Martin Henriksen！ -> Martin Henriksen

请注意，您始终需要使用 u 修饰符。

Answer 2

对于 JavaScript，情况更加棘手，因为 JavaScript Regex 语法不支持 unicode 字符属性。一个实用的解决方案是像这样匹配字母：

[a-zA-Z\xC0-\uFFFF]

这允许所有语言中的字母，并排除数字和键盘上常见的所有特殊（非字母）字符。它是不完美的，因为它还允许非字母的 unicode 特殊符号，例如表情符号、雪人等。然而，由于这些符号通常在键盘上不可用，我认为它们不会被意外输入。因此，根据您的要求，这可能是一个可以接受的解决方案。

Answer 3

访问此页面正则表达式中的 Unicode 字符

Answer 4

这是对上面 @Alix 的精彩答案的优化。它无需两次定义字符类，并且可以更轻松地定义任意数量的所需单词。

^(?:[\p{L}\p{Mn}\p{Pd}\'\x{2019}]+(?:$|\s+)){2,}$

它可以分解如下：

^         # start
  (?:       # non-capturing group
    [         # match a:
      \p{L}     # Unicode letter, or
      \p{Mn}    # Unicode accents, or
      \p{Pd}    # Unicode hyphens, or
      \'        # single quote, or
      \x{2019}  # single quote (alternative)
    ]+        # one or more times
    (?:       # non-capturing group
      $         # either end-of-string
    |         # or
      \s+       # one or more spaces
    )         # end of group
  ){2,}     # two or more times
$         # end-of-string

本质上，它是说找到字符类定义的单词，然后找到一个或多个空格或一行的末尾。最后的 {2,} 告诉它必须找到至少两个单词才能匹配成功。这确保了OP的“Hans”示例不会匹配。

---

最后，因为我在寻找 ruby 的类似解决方案时发现了这个问题，这是可以在 Ruby 1.9+ 中使用的正则表达式。

\A(?:[\p{L}\p{Mn}\p{Pd}\'\U+2019]+(?:\Z|\s+)){2,}\Z

主要变化是使用 \A 和 \Z 作为字符串的开头和结尾（而不是行）以及 Ruby 的 Unicode 字符表示法。

Answer 5

您可以将允许的特殊字符添加到正则表达式中。

示例：

[a-zA-ZßöäüÖÄÜæé]+

编辑：

不是最好的解决方案，但如果至少有单词，这会给出结果。

[a-zA-ZßöäüÖÄÜæé]+\s[a-zA-ZßöäüÖÄÜæé]+

Answer 6

检查输入字符串时，您可以

• 修剪（）它以删除
• 与 [^\w\s] 匹配的前导/尾随空格，以检测与 \s+ 匹配的非单词\非空白字符，
• 以获得等于的单词分隔符的数量单词数 + 1。

但是我不确定 \w 简写是否包含重音字符，但它应该属于“单词字符”类别。

Answer 7

这是我用于由最多 3 个单词（1 到 60 个字符）组成的奇特名称的 JS 正则表达式，由空格/单引号/减号分隔

^([a-zA-Z\xC0-\uFFFF]{1,60}[ \-\']{0,1}){1,3}$