我需要检测与Unicode字符限制它的文字字母只（例如，没有符号，表情符号等，只是一些可以用在任何Unicode语言中的人名中的东西）。\p{L}类别似乎可以做到这一点，但它不能识别泰语字符串。我不会说泰语，所以我从ChatGPT得到了一些常见的泰语名字，它们在我的测试中都失败了。在RegExr上尝试了一下（参见测试选项卡），还写了一个简单的测试程序：
using System.Text.RegularExpressions;
Console.OutputEncoding = System.Text.Encoding.UTF8;
string pattern = @"^[\p{L}\s]+$";
string englishText = "Mary";
Console.Write($"{englishText}: ");
Console.WriteLine(Regex.IsMatch(englishText, pattern, RegexOptions.IgnoreCase).ToString()); // true
string germanText = "RöschenÜmit";
Console.Write($"{germanText}: ");
Console.WriteLine(Regex.IsMatch(germanText, pattern, RegexOptions.IgnoreCase).ToString()); // true
string thaiText = "อรุณรัตน์";
Console.Write($"{thaiText}: ");
Console.WriteLine(Regex.IsMatch(thaiText, pattern, RegexOptions.IgnoreCase).ToString()); // false
string japaneseText = "タクミたくみく";
Console.Write($"{japaneseText }: ");
Console.WriteLine(Regex.IsMatch(japaneseText, pattern, RegexOptions.IgnoreCase).ToString()); // true我注意到，当我尝试测试泰语字符串中的每个字符时，它似乎将它们识别为有效的Unicode字母，但作为字符串，它失败了。为了确保没有隐藏任何字符，我检查了raw values，没有发现任何可疑之处。您知道这是怎么回事吗？
P.S.我知道测试中的一些字符来自不同的集合，名称可能包括空格，破折号等，但这不是重点。我只是想解决泰国字符串的问题。
注解：泰国字符串包含组合字符，我猜这会导致检测字母的问题，即使这些字母看起来像单个字母（即{0 e23，0xe 38}导致“”）。
2条答案
按热度按时间2uluyalo1#
如果我们打印出
thaiTextdump：我们会找到行为不端的原因：
OtherLetters之间的NonSpacingMarks类别：从技术上讲，为了消除这些标记，我们可以使用 normalization：
但它在我的工作站上不起作用，原因是issue
因此，如果规范化在您的情况下也不起作用（或者您希望在道路的安全一侧），您可以尝试匹配泰语符号;要么只有泰国
或与所有其他字母（字母或泰语字母作为特例）混合：
或允许 * 两个 * 字母（
\p{L}）和这些无间距标记（\p{Mn}）：c8ib6hqw2#
这是因为有一些“标记”字符需要与字母分开匹配。一些语言使用这些字符，例如泰米尔语。这个正则表达式将匹配泰语字符串：
来自regular-expressions.info的有关
\p{M}的信息：\p{M}或\p{标记}：一种用来与另一个字符组合的字符（例如重音、元音变音、包围框等）。
此外，字符串与标记字符的比较：
อรุณรัตน์和没有它们的字符串：อรณรตน-这个只与p{L}匹配。