18

寻找一个正则表达式来验证所有可打印的字符。正则表达式只需要在 JavaScript 中使用。我已经阅读了这篇文章，但它主要谈论 .net、Java 和 C 而不是 JavaScript。

您必须只允许这些可打印字符：

az、AZ、0-9 和三十二个符号：!"#$%&'()*+,-./:;<=>?@[] ^_`{|}~ 和空格

需要一个 JavaScript 正则表达式来验证输入字符是上述之一并丢弃其余的。

4

5 回答 5

17

如果您想匹配 UTF-8 集中的所有可打印字符（如您在 8 月 21 日的评论所示），您自己将很难做到这一点。JavaScript 的原生正则表达式具有糟糕的 Unicode 支持。但是您可以将XRegExp与 regex 一起使用^\P{C}*$。

如果您只想将编辑中提到的那几个 ASCII 字母与 8 月 22 日的帖子相匹配，那么正则表达式是微不足道的：

/^[a-z0-9!"#$%&'()*+,.\/:;<=>?@\[\] ^_`{|}~-]*$/i
于 2012-08-21T10:23:21.720 回答
12

对于非 unicode 使用正则表达式模式^[^\x00-\x1F\x80-\x9F]+$

如果您想使用 unicode，请先阅读Javascript + Unicode regexes。

我建议然后使用正则表达式模式^[^\p{Cc}\p{Cf}\p{Zl}\p{Zp}]*$

  • \p{Cc}或\p{Control}：ASCII 0x00..0x1F 或 Latin-1 0x80..0x9F 控制字符。
  • \p{Cf}或\p{Format}：不可见的格式指示器。
  • \p{Zl}或\p{Line_Separator}：行分隔符 U+2028。
  • \p{Zp}或\p{Paragraph_Separator}：段落分隔符 U+2029。

有关更多信息，请参阅http://www.regular-expressions.info/unicode.html

于 2012-08-21T12:24:25.763 回答
12

要验证字符串仅包含可打印的ASCII字符，请使用简单的正则表达式，例如

/^[ -~]+$/

它匹配

  • ^- 字符串锚的开始
  • [ -~]+- 一个或多个（由于+量词）在 ASCII 表中从空格到波浪号的字符：

在此处输入图像描述
- $- 字符串锚的结束

对于 Unicode 可打印字符，使用\PCUnicode 类别（匹配除控制字符以外的任何字符）XRegExp，如前所述：

^\PC+$

请参阅正则表达式演示：

// ASCII only
var ascii_print_rx = /^[ -~]+$/;
console.log(ascii_print_rx.test("It's all right.")); // true
console.log(ascii_print_rx.test('\f ')); // false, \f is an ASCII form feed char
console.log(ascii_print_rx.test("demásiado tarde")); // false, no Unicode printable char support
// Unicode support
console.log(XRegExp.test('demásiado tarde', XRegExp("^\\PC+$"))); // true
console.log(XRegExp.test('‌ ', XRegExp("^\\PC+$"))); // false, \u200C is a Unicode zero-width joiner
console.log(XRegExp.test('\f ', XRegExp("^\\PC+$"))); // false, \f is an ASCII form feed char
<script src="http://cdnjs.cloudflare.com/ajax/libs/xregexp/3.1.1/xregexp-all.min.js"></script>

于 2017-04-13T08:32:18.423 回答
11

自从发布此问题以来，JavaScript 似乎在某种程度上发生了变化？

我正在使用这个：

var regex = /^[\u0020-\u007e\u00a0-\u00ff]*$/;
console.log( regex.test("!\"#$%&'()*+,-./:;<=>?@[] ^_`{|}~")); //should output "true" 
console.log( regex.test("Iñtërnâtiônàlizætiøn")); //should output "true"
console.log( regex.test("☃")); //should output "false"
于 2015-10-05T21:19:34.487 回答
3

TLDR 答案

string1.match(/[\p{Cc}\p{Cn}\p{Cs}]+/gu)用作条件句，具有真实含义，包含string1 任何不可打印的字符。

或者，如果您想要逻辑等价物，则如果仅包含可打印字符string1.match(/^[\P{Cc}\P{Cn}\P{Cs}]+$/gu)，则条件将返回 true 。string1

TLDR 解释

  • \P{Cc}:不匹配控制字符。
  • \P{Cn}：不匹配未分配的字符。
  • \P{Cs}:不匹配 UTF-8 无效字符。
  • +: 确保找到了一些东西，也就是说，这也意味着""空字符串将不会被认为是可打印的。
  • /g：贪婪匹配，穷举/贪婪地在字符串中搜索指定的字符集。
  • /u: 用于匹配 unicode 字符点的 unicode 正则表达式运算符。（来源：MDN 网络文档：正则表达式；Unicode 属性转义。）

演示

var string1 = 'This string has unprintable characters \u0001';

if(string1.match(/[\p{Cc}\p{Cn}\p{Cs}]+/gu)) {
  console.log("Unprintable string: " + string1);
}
var string2 = 'This string has only printable characters.';

if(string2.match(/^[\P{Cc}\P{Cn}\P{Cs}]+$/gu)) {
  console.log("Printable string: " + string2);
}

可能的替代方案

  • \P{C}: 只匹配可见字符。不要匹配任何不可见的字符。
  • \P{Cc}: 只匹配非控制字符。不匹配任何控制字符。
  • \P{Cc}\P{Cn}：仅匹配已分配的非控制字符。不要匹配任何控制或未分配的字符。
  • \P{Cc}\P{Cn}\P{Cs}：仅匹配已分配且 UTF-8 有效的非控制字符。不匹配任何控制、未分配或 UTF-8 无效字符。
  • \P{Cc}\P{Cn}\P{Cs}\P{Cf}：仅匹配已分配且 UTF-8 有效的非控制、非格式字符。不匹配任何控制、未分配、格式化或 UTF-8 无效字符。

来源和解释

查看可用于在正则表达式中进行测试的Unicode 字符属性。您应该能够在Microsoft .NET、JavaScript、Python、Java、PHP、Ruby、Perl、Golang甚至Adob ​​e 中使用这些正则表达式。了解 Unicode 字符类是非常可转移的知识，所以我推荐使用它！

这个正则表达式将匹配任何可见的东西，以它的简写和长手形式给出......

\p{L}\p{M}\p{N}\p{P}\p{S}\p{Z}
\p{Letter}\p{Mark}\p{Number}\p{Punctuation}\p{Symbol}\p{Separator}

\p表示它是我们想要匹配的东西，但我们也可以选择使用\P(capitalized)来表示不匹配的东西。 所以，这意味着我们可以使用\p{C}类，用于“不可见的控制字符和未使用的代码点”。（来源：Regular-Expressions.info。）然后是一个更简单的正则表达式\P{C}，但这在删除不可见格式方面可能过于严格。您可能想仔细观察，看看什么是最好的，但其中一种选择应该适合您的需要。

所有可匹配的 Unicode 字符集

如果您想知道任何其他可用的字符集，请查看regular-expressions.info ...

  • \p{L}或\p{Letter}：任何语言的任何类型的字母。
    • \p{Ll}或\p{Lowercase_Letter}：具有大写变体的小写字母。
    • \p{Lu}或\p{Uppercase_Letter}：具有小写变体的大写字母。
    • \p{Lt}或\p{Titlecase_Letter}：出现在单词开头的字母，仅单词的第一个字母大写。
    • \p{L&}or \p{Cased_Letter}：以小写和大写变体形式存在的字母（Ll、Lu 和 Lt 的组合）。
    • \p{Lm}or \p{Modifier_Letter}: 一个像字母一样使用的特殊字符。
    • \p{Lo}or \p{Other_Letter}: 没有小写和大写的字母或表意文字
  • \p{M}or \p{Mark}: 一个要与另一个字符组合的字符（例如重音符号、变音符号、封闭框等）。
    • \p{Mn}or \p{Non_Spacing_Mark}: 一个旨在与另一个字符组合而不占用额外空间的字符（例如重音符号、变音符号等）。
    • \p{Mc}或\p{Spacing_Combining_Mark}: 一个旨在与占用额外空间的另一个字符组合的字符（许多东方语言中的元音符号）。
    • \p{Me}or \p{Enclosing_Mark}: 一个包含与之组合的字符（圆形、方形、键帽等）的字符。
  • \p{Z}or \p{Separator}: 任何类型的空格或不可见的分隔符。
    • \p{Zs}or \p{Space_Separator}：一个不可见的空白字符，但确实占用空间。
    • \p{Zl}或\p{Line_Separator}：行分隔符 U+2028。
    • \p{Zp}或\p{Paragraph_Separator}：段落分隔符 U+2029。
  • \p{S}或\p{Symbol}：数学符号、货币符号、装饰符号、画框字符等。
    • \p{Sm}或\p{Math_Symbol}：任何数学符号。
    • \p{Sc}或\p{Currency_Symbol}：任何货币符号。
    • \p{Sk}or \p{Modifier_Symbol}: 一个组合字符（标记）作为一个完整的字符。
    • \p{So}or \p{Other_Symbol}: 不是数学符号、货币符号或组合字符的各种符号。
  • \p{N}或\p{Number}：任何脚本中的任何类型的数字字符。
    • \p{Nd}或\p{Decimal_Digit_Number}：除表意文字外的任何文字中的数字 0 到 9。
    • \p{Nl}or \p{Letter_Number}: 一个看起来像字母的数字，例如罗马数字。
    • \p{No}或\p{Other_Number}：上标或下标数字，或不是数字 0-9 的数字（不包括表意文字中的数字）。
  • \p{P}或\p{Punctuation}：任何类型的标点符号。
    • \p{Pd}or \p{Dash_Punctuation}: 任何类型的连字符或破折号。
    • \p{Ps}或\p{Open_Punctuation}：任何类型的左括号。
    • \p{Pe}或\p{Close_Punctuation}：任何类型的右括号。
    • \p{Pi}或\p{Initial_Punctuation}：任何类型的开场白。
    • \p{Pf}或\p{Final_Punctuation}：任何类型的结束语。
    • \p{Pc}或\p{Connector_Punctuation}: 一个标点符号，例如连接单词的下划线。
    • \p{Po}or \p{Other_Punctuation}: 任何不是破折号、括号、引号或连接符的标点符号。
  • \p{C}或\p{Other}：不可见的控制字符和未使用的代码点。
    • \p{Cc}或\p{Control}：ASCII 或 Latin-1 控制字符：0x00–0x1F 和 0x7F–0x9F。
    • \p{Cf}或\p{Format}：不可见的格式指示器。
    • \p{Co}或\p{Private_Use}：保留供私人使用的任何代码点。
    • \p{Cs}or \p{Surrogate}: UTF-16 编码的代理对的一半。
    • \p{Cn}或\p{Unassigned}：任何未分配字符的代码点。
于 2021-03-02T21:35:18.337 回答