Google 表单中非英语字符串的正则表达式模式答案

【问题标题】：Regex pattern for Non-English string in Google FormGoogle 表单中非英语字符串的正则表达式模式
【发布时间】：2017-05-10 14:22:08
【问题描述】：

我有一个正则表达式模式 ^\W*(\w+(\W+|$)){1,20}$ 用于将字符串限制为 20 个单词。但问题是，这仅适用于英文，当有非英文文本时，这会立即抛出错误。

我需要编写一个正则表达式来限制一个字符串为 20 个单词，字符串可以是任何语言。

任何帮助将不胜感激。

注意：我在 Google 表单中使用此正则表达式。

【问题讨论】：

首先，您必须定义每种语言中的“单词”是什么。这不是一件容易的事（提示：字符之间的空格不是你这样做的方式）。作为替代方案，也许您应该重新考虑您的约束。
Google 表单使用不支持环视的 RE2 库。试试^\P{L}*\p{L}+(?:\P{L}+\p{L}+){0,19}$。虽然据说有这些，但我不确定是否支持 Unicode 属性。
感谢大家的快速回复！我尝试使用 ^\P{L}*\p{L}+(?:\P{L}+\p{L}+){0,19}$ 但这不起作用。我想我需要考虑一些其他替代解决方案。
这意味着你应该缩小你的要求。比如说，你可以使用^\W*?\S+(?:\W+?\S+){0,19}\W*$。然而，它的效率非常低，但也许 RE2 比常规 NFA 更好地处理这种模式。

标签： regex pattern-matching google-forms regex-lookarounds

【解决方案1】：

由于语言原因，您所要求的几乎是不可能的（好吧，并非不可能，但相当困难、昂贵，并且需要整个团队）。用日语或普通话书写的文本不需要在单词之间有任何空格。此外，\w 代码等于[a-zA-Z0-9_]，而\W 是[^a-zA-Z0-9_]，不包括例如德语变音符号、俄语字母表、其他欧洲扩展。你需要那个干什么？如果这应该是您的长度限制，我建议您只需搜索平均字长并将其乘以 20（大约为 6 * 20）

【讨论】：

感谢您的详细解释。这是我的错误，我假设在每种语言中字符之间的空格表示一个单词，但正如@Flimzy 指出的那样，我不能假设。所以需要想一个替代的解决方案。

【解决方案2】：

对于单词用空格分隔的语言 - 你可以试试这个公式：

^(\S+(\s+|$)){1,34}$

this example 中的内容限制为 34 个字

【讨论】：

感谢阿格纽斯！！这按预期工作，除非字符串中有换行符'\n'。
你很高兴