c# - 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和数字字母，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，测试将返回true；但如果您添加 hindiChar，测试将返回 false。

我认为部分正则表达式适合所有外文字符，但不确定为什么它不匹配印地文字符。

Answer 1

用\p{L}来匹配单词是不够的，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，默认情况下，即使是 .NET 正则表达式中的 \w 速记“word”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 this .NET regex reference .但是，在这里您需要 \p{M} 以允许任何变音符号。

请注意，字符类中的 | 匹配文字 | 字符，因此您需要从模式中删除 |。

在我看来你使用

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

它将匹配任何一个或多个字母、变音符号、ASCII 数字、_ 或 - 字符的字符串。

参见 regex demo .

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}-]+$"

参见 another demo