正则表达式：\w - UTF-8 中的“_”+“-”

Posted 2023-02-24

【中文标题】正则表达式：\\w - UTF-8 中的“_”+“-”

【英文标题】：RegEx: \w - "_" + "-" in UTF-8正则表达式：\w - UTF-8 中的“_”+“-”

【发布时间】：2011-01-04 22:51:10

【问题描述】：

我需要一个匹配 UTF-8 字母和数字、破折号 (-) 但不匹配下划线 (_) 的正则表达式，我尝试了这些愚蠢的尝试但没有成功：

([\w-^_])+ ([\w^_]-?)+ (\w[^_]-?)+

\w 是 [A-Za-z0-9_] 的简写，但如果我设置了 u 修饰符，它也匹配 UTF-8 字符。

谁能帮我解决这个问题？

【问题讨论】：

请具体说明“UTF-8 字母” - 你能确认你想要的不仅仅是英文字符吗？

@meder：我想要英文和重音/外来字符。

【参考方案1】：

试试这个：

(?:[\w\-](?<!_))+

它对编码为 \w（或破折号）的任何内容进行简单匹配，然后具有零宽度的后视功能，以确保刚刚匹配的字符不是下划线。

否则你可以选择这个：

(?:[^_\W]|-)+

这是一种更加基于集合的方法（注意大写的 W）

好的，我在 php 的 PCRE 风格中使用 unicode 获得了很多乐趣：D Peekaboo 说有一个简单的解决方案：

[\pL\pN\-]+

\pL 匹配任何符合字母条件的 unicode（注意：不是单词字符，因此没有下划线），而 \pN 匹配任何看起来像数字的东西（包括罗马数字和更奇特的东西)。 \- 只是一个转义的破折号。虽然不是绝对必要，但我倾向于在字符类中转义破折号...注意，在 unicode 中有许多不同的破折号，因此产生了以下版本：

[\pL\pN\pPd]+

其中“Pd”是标点破折号，包括但不限于我们的减号破折号。 （注意，这里再次没有下划线）。

【讨论】：

将否定 \W 不包括连字符？

@dionadar - 这与我的重音字符不匹配。

@codadict 据我所知，连字符不包含在 \w 中——即使是这样，这样说也无妨；）

@meder OP 声明：“如果我设置了 u 修饰符，\w [...] 也匹配 UTF-8 字符。”

\pN 包括各种数字 - afaik Nd 跳 0-9 舞，而 Nl 包括罗马文字（在 unicode 中，罗马 1 不是字母 I，而是看起来喜欢它）和 No 几乎是他们在其他两个中找不到的所有东西，但仍然是一个数字。

【参考方案2】：

我不确定您使用哪种语言，但在 PERL 中您可以简单地编写：[[:alnum:]-]+ 设置正确的语言环境。

【讨论】：

很高兴知道，但我使用的是 PHP（PCRE 引擎）。

在 PHP 和 Rubular (Ruby) 中尝试过，请参阅 rubular.com/regexes/12922 和 rubular.com/regexes/12923。

[:alnum:] 可以在 PCRE 中替换为 \pIsAlnum 你可以尝试 \pL\pN