Regex用于检查输入字符串是否为波斯语

67up9zun  于 2023-10-22  发布在  其他
关注(0)|答案(7)|浏览(135)

我使用MVC,我是新手。我想通过[RegularExpression]验证检查输入值是否仅为波斯语(字符)。所以我想使用正则表达式,需要检查Unicode的范围,但我不知道如何找到波斯语字符Unicode的范围。我对Regex的看法是对的吗?你的建议是什么,我怎么能找到波斯语的Unicode范围

yacmzcpb

yacmzcpb1#

波斯语字符在以下范围内:[\u0600-\u06FF]
试试看:

Regex.IsMatch(value, @"^[\u0600-\u06FF]+$")
anhgbhbe

anhgbhbe2#

检查波斯语的第一个字母和最后一个字母范围,我认为是这样的:

"^[آ-ی]$"
enyaitl3

enyaitl33#

Regex.IsMatch(Text, @"^([\u0600-\u06FF]+\s?)+$")

This Only Contains standard Arabic symbols range但波斯语也包括4更多字符:

ژ \uFB8A
پ \u067E
چ \u0686
گ \u06AF

所以你应该用途:

^[\u0600-\u06FF\uFB8A\u067E\u0686\u06AF]+$

如果你想匹配Zero-width-non-joiner,你也应该添加这个:

\u200C
olmpazwi

olmpazwi4#

TL;DR

所有说使用\u0600-\u06FF[آ-ی]的答案都是错误的。

\u0600-\u06FF包含的字符比您需要的多209个!它也包括数字!

波斯语必须使用的字符集如下:

  • ^[آابپتثجچحخدذرزژسشصضطظعغفقکگلمنوهی]+$表示字母。
  • ^[۰۱۲۳۴۵۶۷۸۹]+$表示数字。
  • 使用[ ‬ٌ ‬ًّ ‬َ ‬ِ ‬ُ ‬ْ ‬]表示元音。

或者是这些的结合。您可能需要添加其他阿拉伯字母,如Hamza ء到您的字符集。
这个答案的存在是为了纠正一个常见的误解。代码点060006FF不表示**Persian / Farsi alphabet**([آ-ی]也不表示):

[\u0600-\u0605 ؐ-ؚ\u061Cـ ۖ-\u06DD ۟-ۤ ۧ ۨ ۪-ۭ ً-ٕ ٟ ٖ-ٞ ٰ ، ؍ ٫ ٬ ؛ ؞ ؟ ۔ ٭ ٪ ؉ ؊ ؈ ؎ ؏
۞ ۩ ؆ ؇ ؋ ٠۰ ١۱ ٢۲ ٣۳ ٤۴ ٥۵ ٦۶ ٧۷ ٨۸ ٩۹ ءٴ۽ آ أ ٲ ٱ ؤ إ ٳ ئ ا ٵ ٮ ب ٻ پ ڀ
ة-ث ٹ ٺ ټ ٽ ٿ ج ڃ ڄ چ ڿ ڇ ح خ ځ ڂ څ د ذ ڈ-ڐ ۮ ر ز ڑ-ڙ ۯ س ش ښ-ڜ ۺ ص ض ڝ ڞ
ۻ ط ظ ڟ ع غ ڠ ۼ ف ڡ-ڦ ٯ ق ڧ ڨ ك ک-ڴ ػ ؼ ل ڵ-ڸ م۾ ن ں-ڽ ڹ ه ھ ہ-ۃ ۿ ەۀ وۥ ٶ
ۄ-ۇ ٷ ۈ-ۋ ۏ ى يۦ ٸ ی-ێ ې ۑ ؽ-ؿ ؠ ے ۓ \u061D]

255个字符落在这个范围内,波斯语字母表有32个字母,除了数字的波斯语演示,它将是42。如果我们添加元音(最初是阿拉伯元音,在波斯语中很少使用)和Tanvinًٍِ ‬ٌ ‬)和Tashdidّ ‬),它们都是阿拉伯变音符号的子集,而不是波斯语,我们将以46个字符结束。这意味着:

\u0600-\u06FF包含的字符比您需要的多209个!

带有代码点06F7۷是数字7的波斯语表示,带有代码点0667٧是同一数字的阿拉伯语表示。۶是数字6的波斯语表示,٦是同一数字的阿拉伯语表示。所有这些都驻留在060006FF代码点中。
波斯数字4(۴)、5(۵)和6(۶)的形状与阿拉伯语中使用的形状不同,其他数字具有不同的码位。
你可以看到不同数量的其他字符,不存在于波斯语/波斯语太,没有人愿意有他们,而验证一个名字或姓氏。
[آ-ی]也包含117个字符,这比验证所需的字符多得多。你可以看到他们都使用**Unicode CLDR**。

ua4mk5z4

ua4mk5z45#

我在程序中使用了这个RegExp,它工作正常。希望能帮到你:

[پچجحخهعغفقثصضشسیبلاتنمکگوئدذرزطظژؤآإأءًٌٍَُِّ\s]+$
cwxwcias

cwxwcias6#

波斯语字符在以下范围内:[\u0600-\u06FF] + [\s]
试试看:

Regex.IsMatch(Text, @"^([\u0600-\u06FF]+\s?)+$")

此图案包含字母和空格字符。

yv5phkfx

yv5phkfx7#

我在程序中使用这两个正则表达式,因为有些字母实际上可能是阿拉伯语:

^[!@#$%^&*(). ۱۲۳۴۵۶۷۸۹۰+-پچجحخهعغفقثصضشسیبلاﺐتنمکگوئدذرزطﺐظژؤآإأءًٌٍَُِّﻢﺷﺠﺪﮑﺬﻋﻮﻂﺶﺰﺣﻣﮕﻒﺤﻻﻄﻟﭼﻫﻼﻗﺒﺗﺨﻪﻬﻓﯾﺼﺟﮔﻇﺑﭽﺌﻞﺖﺿ]+$
^[ﻢﺷﺠﺪﮑﺬﻋﻮﻂﺶﺰﺣﻣﮕﻒﺤﻻﻄﻟﭼﻫﻼﻗﺒﺗﺨﻪﻬﻓﯾﺼﺟﮔﻇﺑﭽﺌﻞﺖﺿﺎﺄﭙﻈﻏﻦﯿﻔﻤﻨﻐﻌﮏﺻﺧﻃﭘﺳﻘﻧﯽﻖﺸﮐﻠﺴﺮﺘ]+$

它可能看起来不太好,但它在我的代码中运行良好。

相关问题