php - 带有特殊字符的名称的正则表达式 (Unicode)

Question

好的，我整天都在阅读关于正则表达式的内容，但仍然没有正确理解它。我想要做的是验证一个名字，但我可以在互联网上找到的功能只使用[a-zA-Z]，留下我需要接受的字符。

我基本上需要一个正则表达式来检查名称是否至少是两个单词，并且它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......

一个被接受的名字的例子是：“John Elkjærd”或“André Svenson”
一个不被接受的名字是：“ Hans ”、“H 4 nn 3 Andersen”或“Martin Henriksen ！ ”

如果重要的话，我使用javascript.match()函数客户端并想使用phppreg_replace()唯一的“负面”服务器端。（删除不匹配的字符）。

任何帮助将非常感激。

更新：
好的，感谢Alix Axel 的回答，我已经完成了重要的部分，服务器端的部分。

但正如LightWing 回答的页面所暗示的那样，我找不到任何关于 javascript 的 unicode 支持的信息，所以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 个这样的字符：

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

另一种方法是按照shifty's answer中的建议指定所有 unicode 字符，我可能最终会做类似的事情，以及上面的解决方案，但这有点不切实际。

score 34 · Accepted Answer

试试下面的正则表达式：

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

在 PHP 中，这转换为：

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，我不知道如何将它移植到 Javascript，我什至不确定 Javascript 是否支持 Unicode 属性，但在 PHP PCRE 中这似乎可以完美地工作@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，关于 Javascript 部分，我无法为您提供帮助，但这里可能有人会。

验证：

约翰·埃尔克杰德
安德烈·斯文森
马尔科·达尔梅达
克里斯托弗拉库尔

无效：

汉斯
H4nn3 安徒生
马丁亨里克森！

要替换无效字符，虽然我不确定你为什么需要这个，你只需要稍微改变一下：

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

例子：

H4nn3 安徒生->安徒生
马丁亨里克森！->马丁·亨利克森

请注意，您始终需要使用u修饰符。

score 5 · Accepted Answer

关于 JavaScript，它更棘手，因为 JavaScript 正则表达式语法不支持 unicode 字符属性。一个务实的解决方案是匹配这样的字母：

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

这允许使用所有语言的字母，但不包括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。但是，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，它可能是一个可接受的解决方案。

score 2 · Accepted Answer

2

访问此页面正则表达式中的 Unicode 字符

于 2011-05-11T11:17:41.690 回答

score 2 · Accepted Answer

您可以将允许的特殊字符添加到正则表达式。

例子：

[a-zA-ZßöäüÖÄÜæé]+

编辑：

不是最好的解决方案，但是如果至少有单词的话，这会产生结果。

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

score 2 · Accepted Answer

这是对上面@Alix 出色答案的优化。它消除了定义字符类两次的需要，并允许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

Essentially, it is saying to find a word as defined by the character class, then either find one or more spaces or an end of a line. The {2,} at the end tells it that a minimum of two words must be found for a match to succeed. This ensures the OP's "Hans" example will not match.

Lastly, since I found this question while looking for a similar solution for ruby, here is the regular expression as can be used in Ruby 1.9+

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

The primary changes are using \A and \Z for beginning and end of string (instead of line) and Ruby's Unicode character notation.

score 0 · Accepted Answer

检查您的输入字符串时，您可以

trim() 删除前导/尾随空格
匹配 [^\w\s] 以检测非单词\非空白字符
与 \s+ 匹配以获得等于单词数 + 1 的单词分隔符的数量。

但是我不确定 \w 速记是否包括重音字符，但它应该属于“单词字符”类别。

score 0 · Accepted Answer

This is the JS regex that I use for fancy names composed with max 3 words (1 to 60 chars), separated by space/single quote/minus sign

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

php - 带有特殊字符的名称的正则表达式 (Unicode)

7 回答 7

Related

Reference