匹配字母数字字符，包括拉丁语unicode

Question

我有一个匹配ASCII字母数字字符的正则函数：

 string pattern = "^[a-zA-Z0-9]+$";
 Match match = Regex.Match(input, pattern);
 if (match.Success)
 {
   ...

我想扩展它以应用相同的概念，但包括所有拉丁字符（例如å，Ø等）。

我读过unicode scripts。我试过这个：

 string pattern = "^[{Latin}0-9]+$";

但它与我期望的模式不匹配。如何使用unicode脚本或替代方法匹配拉丁unicode？

Answer 1

.NET正则表达式引擎不支持Unicode脚本，但Unicode块是。话虽如此，您可以使用以下正则表达式匹配所有拉丁字符：

^[\p{IsBasicLatin}\p{IsLatin-1Supplement}\p{IsLatinExtended-A}\p{IsLatinExtended-B}0-9]+$

• \p{IsBasicLatin}：U + 0000-U + 007F
• \p{IsLatin-1Supplement}：U + 0080-U + 00FF
• \p{IsLatinExtended-A}：U + 0100-U + 017F
• \p{IsLatinExtended-B}：U + 0180-U + 024F

或只使用^[\u0000-\u024F0-9]+$。

由@AnthonyFaull提及您可能需要考虑匹配\p{IsLatinExtendedAdditional}，这是包含256个附加字符的U + 1E00-U + 1EFF的命名块：

[ắẮằẰẵẴẳẲấẤầẦẫẪẩẨảẢạ ẠặẶậẬḁḀ ẚ ḃḂḅḄḇḆ ḉḈ ḋḊḑḐḍḌḓḒḏḎ ẟ ếẾềỀễỄểỂẽẼḝḜḗḖḕḔẻẺẹẸ ệỆḙḘḛḚ ḟḞ ḡḠ ḧḦḣḢḩḨḥḤḫḪẖ ḯḮỉỈịỊḭḬ ḱḰḳḲḵḴ ḷḶḹḸḽḼḻḺ ỻỺ ḿḾṁṀṃṂ ṅṄṇṆṋṊṉṈ ốỐồỒỗỖổỔṍṌṏṎṓṒṑṐỏỎớỚ ờỜỡỠởỞợỢọỌộỘ ṕṔṗṖ ṙṘṛṚṝṜṟṞ ṥṤṧṦṡṠṣṢṩṨẛ ẞ ẜ ẝ ẗṫṪṭṬṱṰṯṮ ṹṸṻṺủỦứỨừỪữỮửỬựỰụỤṳṲ ṷṶṵṴ ṽṼṿṾ ỽỼ ẃẂẁẀẘẅẄẇẆẉẈ ẍẌẋẊ ỳỲẙỹỸẏẎỷỶỵỴ ỿỾ ẑẐẓẒẕẔ]

Answer 2

使用^[\p{L}\s]+$匹配任何unicode字符

或^[\w\u00c0-\u017e]$匹配任何字母加上从00c0到017e的unicode字符（使用charmap查找所需的unicode字符范围）

Sample on regex101

Answer 3

我将使用unicode脚本。

如维基百科（https://en.wikipedia.org/wiki/Latin_script_in_Unicode）所述，我将使用Latin-1 Supplement（00C0-00FF），Latin Extended-A（0100-017F），Latin Extended-B（0180-024F）和您的模式用于ASCII字母数字字符。

string pattern = "^[a-zA-Z0-9\\u00C0–\\u024F]+$";