正则表达式不匹配所有外来字符

Question

这是我的正则表达式^([\\\\p{L}-|a-zA-Z0-9-_]+)$ ，它应该允许所有外文字母以及数字字母、数字。 但由于某种原因，印地文字符无法匹配。

我写了一个 Xunit 测试来证明。

[Fact]
        public void test()
        {
            var hindiChar = "इम्तहान";
            var input = "12345ABCDPrüfungテスト中文테스트إسرائيل" + hindiChar;
            var regex = "^([\\p{L}-|a-zA-Z0-9-_]+)$";
            Assert.True(new Regex(regex).IsMatch(input));
        }

如果删除hindiChar ，则测试将返回 true； 但是如果添加hindiChar ，测试将返回 false。

我认为正则表达式的一部分是适合所有外来字符，但不确定为什么它不匹配印地语字符。

Answer 1

使用\\p{L}来匹配单词是不够的，您还需要匹配变音符号。 这可以通过将\\p{M}添加到您的正则表达式来完成。 请注意，即使默认情况下 .NET 正则表达式中的\\w速记“单词”字符类也匹配一组变音符号\\p{Mn} （标记，非间距Unicode 字符类别），请参阅此 .NET 正则表达式参考。 但是，在这里您需要\\p{M}以允许任何变音符号。

请注意| 在字符类中匹配文字| char，所以你需要删除| 从你的模式。

在我看来你用

@"^[\p{L}\p{M}0-9_-]+$"

它将匹配由一个或多个字母、变音符号、ASCII 数字、 _或-字符组成的任何字符串。

请参阅正则表达式演示。

请注意，如果您想允许任何 Unicode 数字字符，您甚至可以使用

@"^[\w\p{M}-]+$"

看另一个演示