我需要将文本字段长度限制为可变数量的字符。我说变量是因为它需要将 CJK 表意文字计为 2 个字符。例如，如果我将长度限制为 10，那么我可以有 10 个拉丁字符但只有 5 个表意文字，或者 4 个拉丁文和 3 个 CJK 表意文字（4 + (3*2)）。
我通过使用以下方法在 c# 中很好地实现了这一点：
if (char.GetUnicodeCategory(str, i) == UnicodeCategory.OtherLetter)
问题是这是在表单帖子上检查的，我真正想要的是在用户输入时检查一个 javascript 实现。我可以使用正则表达式来检查每个字符，但我无法找出 UnicodeCategory.OtherLetter 使用了哪些 unicode 块范围。
这个站点似乎对组合正则表达式很有帮助，但我只需要知道我在寻找什么来匹配 c# 实现行为。
首先，如果您的目标是仅将 CJK 表意文字计为 2 个字符，那么您拥有的当前 C# 代码并不完全正确。Unicode 通用类别OtherLetter或多或少适用于没有字母大小写概念的脚本。这意味着不仅 CJK 字符会匹配，阿拉伯语、希伯来语、高棉语、格鲁吉亚语等也会匹配。在 Unicode 数据中，CJK 字符被称为汉文字体。
不幸的是，我在 .NET Framework 中找不到简单的解决方案来检查字符的脚本。但是，您可以使用 .NET Regex 来匹配Unicode Blocks。除了一般类别外，只需匹配必要的CJK 块即可。不幸的是，尽管 Unicode 试图保持块的同质性，但它们不能保证来自其他脚本的错误字符最终会出现在“错误”块中。我想这对于 CJK 块来说不太可能。
此外，一个小问题是您可能需要考虑使用System.Globalization.CharUnicodeData.GetUnicodeCategory(str, i)而不是char.GetUnicodeCategory(str, i). 该CharUnicodeData版本旨在与当前版本的 Unicode 保持同步，而另一个可能不是，出于向后兼容性的原因。
不幸的是，JavaScript 的 Unicode 支持并不是那么好，尤其是在正则表达式方面。实际上已经有人问过是否有办法在 JavaScript 中获取一般类别。似乎没有，但那里的答案提到了XRegExp 插件，除了脚本之外，它还可以检查角色的一般类别。
Mathias Bynens 有一篇很棒的文章详细介绍了 JavaScript 当前在 Unicode 方面的缺点以及即将到来的 ECMAScript 6 中的改进。他还提供了指向这些改进的 polyfill 的链接。
尽管 ECMAScript 6 为星光字符提供了更好的支持，但快速浏览一下当前草案（2013 年 10 月 28 日，第 20 版）并没有显示支持匹配 Unicode 通用类别、块或脚本的迹象。
星体字符是在基本多语言平面（BMP，平面 0）之外的平面中发现的字符，即值大于 0xFFFF 的字符。C# 和 JavaScript 都使用 UTF-16 作为它们的字符串编码。这意味着字符实际上由 2 个代码单元组成，而不是 BMP 中的 1 个。我对先前 Unicode 问题的回答更详细地介绍了编码，但可以说，这可能会造成严重破坏。特别是，星体字符的字符串长度为 2，正则表达式引擎很难处理它们。
C# 块和 XRegExp 解决方案实际上都不能正确处理星体字符。许多较罕见的 CJK 字符位于补充表意平面（SIP，平面 2）中。也就是说，“字符”是一个重载术语，已被用来表示“代码单元”、“代码点”和“用户感知字符”。对于这个答案，我一直用它来表示code point，但我不知道你指的是哪一个，所以我能做的最好的就是让你意识到星体字符的问题。
请注意，虽然它尚未发布，但 XRegExp 的 GitHub 存储库表明他们已经在即将发布的版本 3 中实现了对星体字符的支持。
考虑到所有困难，最好使用正则表达式手动匹配所有适当的代码点。当然，这样做的缺点是在将新的 CJK 字符添加到标准时必须对其进行更新。CJK 表意文字的码点可以在Unicode 脚本数据中找到，方法是搜索“Han”脚本，然后取Lo(Letter, other) 指示的范围。应该在 C# 和 JavaScript 中工作（尽管未经测试）的相应正则表达式是：
[\u3400-\u4DB5\u4E00-\u9FCC\uF900-\uFA6D\uFA70-\uFAD9]|[\uD840-\uD868][\uDCOO-\uDFFF]|\uD869[\uDC00-\uDED6\uDF00-\uDFFF]|[\uD86A-\uD86C][\uDCOO-\uDFFF]|\uD86D[\uDC00-\uDF34\uDF40-\uDFFF]|\uD86E[\uDCOO-\uDC1D]|\uD87E[\uDC00-\uDE1D]
根据您的定义，代码点 3005、3007、3021-3029、3038-303A、303B 可能被视为表意文字，也可能不被视为表意文字。它们具有“字母，修饰符”和“数字，字母”的Lm类别Nl。