匹配字母数字字符，包括拉丁 unicode答案

【问题标题】：Match alphanumeric characters, including latin unicode匹配字母数字字符，包括拉丁 unicode
【发布时间】：2017-04-10 15:46:17
【问题描述】：

我有一个匹配 ASCII 字母数字字符的有效正则表达式：

 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 脚本或其他方法匹配拉丁 unicode？p>

【问题讨论】：

Regex Latin characters filter and non latin character filer的可能重复

标签： c# regex

【解决方案1】：

.NET 正则表达式引擎不支持 Unicode 脚本，但 Unicode 块支持。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

或者干脆使用^[\u0000-\u024F0-9]+$。

@AnthonyFaull 提到，您可能还需要考虑匹配 \p{IsLatinExtendedAdditional}，它是 U+1E00-U+1EFF 的命名块，包含 256 个附加字符：

[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]

【讨论】：

很好的答案。您不妨添加\p{IsLatinExtendedAdditional}。
@AnthonyFaull 谢谢。已添加。

【解决方案2】：

使用 ^[\p{L}\s]+$ 匹配任何 unicode 字符

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

Sample on regex101

【讨论】：

@mtmacdonald 您需要使用verbatim strings (@"...") 或转义反斜杠。
@stej4n 为什么在您的第二个示例中，当 ASCII 字母字符低于 00C0 范围时，它们会包含在匹配项中？
因为我添加了匹配 ASCII 字符的 \w

【解决方案3】：

我将使用 unicode 脚本。

如 Wikipedia (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 ASCII 模式字母数字字符。

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

【讨论】：

123Æ 不匹配？