validation - 如何在输入验证中允许 UNICODE 代码点的子集？

Question

我正在创建一项可以“走向国际”到非英语市场的服务。我不想将用户名限制为 ASCII 字符范围，但希望允许用户指定他们的“自然”用户名。好的，使用 UNICODE（并说 UTF-8 作为我的用户名文本编码）。

但！我不希望用户创建包含“符号”代码点的“非名称”用户名。例如，我不想允许像 √√√√√√øøøøø 这样的用户名。

是否有我可以检查（可能使用正则表达式）以接受/拒绝给定用户名的 UNICODE 的“符号”代码点列表？

谢谢！

Answer 1

Unicode 有几个类别，因此您可以轻松排除符号。具体如何做到这一点取决于您使用的语言。一些正则表达式框架内置了该功能，有些则没有。

Answer 2

在 Python 中（根据 Python中自由格式 Unicode 文本的输入验证）：

def only_letters(s):
    """
    Returns True if the input text consists of letters and ideographs only, False otherwise.
    """
    for c in s:
        cat = unicodedata.category(c)
        # Ll=lowercase, Lu=uppercase, Lo=ideographs
        if cat not in ('Ll','Lu','Lo'):
            return False
    return True

> only_letters('Bzdrężyło')
True
> only_letters('He7lo') # we don't allow digits here
False