时间戳

首页 > 解决方案 > 匹配 unicode 块或索引范围的正则表达式

php - 匹配 unicode 块或索引范围的正则表达式

问题描述

我正在尝试创建一个正则表达式，它将匹配 unicode 块中的任何字符 - 特别是数学字母数字符号块。

此处的目的是识别使用 Unicode 字符的内容的使用，以便在其文本上获得不同的格式，例如粗体或斜体文本，但通常不受支持。有很多网站，比如这个可以帮助用户转换文本的网站。

我尝试使用速记属性代码，但它似乎与我期望的块中的所有字符都不匹配。

preg_match('/\p{Sm}/i', '') === 1; // false

PHP 似乎也不支持命名的变体，所以我不能做类似\p{Math}.

我相信我需要定位块范围 - 从 U+1D400 - U+1D7FF，但我无法弄清楚如何正确构建这个正则表达式。这就是我认为我会让它工作的方式，但它似乎不起作用。

preg_match('/\x{1D400}-\x{1D7FF}/i', '') === 1; // false

我希望这些字符都不匹配（直接在我的键盘上输入）：

abcdefghijklmnopqrstuvwxyz0123456789

我希望这些字符中的每一个都匹配（与上面相同，使用上面的链接转换为数学粗体）：

标签： phpregexunicodepcre

解决方案

我猜这个表达式可能有效，但不确定：

$re = '/[\x{1D400}-\x{1D7FF}]+/su';
$str = '';
preg_match_all($re, $str, $matches, PREG_SET_ORDER, 0);
var_dump($matches);

\p{S} or \p{Symbol}: math symbols, currency signs, dingbats, box-drawing characters, etc.
\p{Sm} or \p{Math_Symbol}: any mathematical symbol.
\p{Sc} or \p{Currency_Symbol}: any currency sign.
\p{Sk} or \p{Modifier_Symbol}: a combining character (mark) as a full character on its own.
\p{So} or \p{Other_Symbol}: various symbols that are not math symbols, currency signs, or combining characters.

该表达式在regex101.com的右上角面板上进行了说明，如果您希望探索/简化/修改它，并且在此链接中，您可以查看它如何与一些示例输入匹配，如果您愿意的话。

参考

数学字母数字符号的正则表达式

Unicode 正则表达式

推荐阅读