关于正则表达式：Python – 国际名称的基本验证？


Python - Basic validation of international names?

给定一个名称字符串，我想验证几个基本条件：-这些字符属于公认的文字/字母(拉丁语、汉语、阿拉伯语等)，而不是埃莫语。-字符串不包含数字，长度小于40

我知道后者可以通过regex实现，但是有没有unicode方法来实现第一个呢？有没有可以利用的文本处理库？

相关讨论

您应该能够使用regex中的unicode字符类来检查这一点。

1
[\p{P}\s\w]{40,}

这里最重要的部分是使用Unicode模式的w字符类：

\p{P} matches any kind of punctuation character
\s matches any kind of invisible character (equal to [\p{Z}\h\v])
\w match any word character in any script (equal to [\p{L}\p{N}_])

号

现场演示

您可能需要添加更多类似于\p{Sc}的内容来匹配货币符号等。

但是为了能够利用这一点，您需要使用支持带\p{}语法的Unicode码点属性的regex模块(标准re模块的替代方案)。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
# coding=utf8
# the above tag defines encoding for this document and is for Python 2.x compatibility

import regex as re

regex = r"[\p{P}\s\w]{40,}"

test_str = ("Wow cool song!Wow cool song!Wow cool song!Wow cool song! ????
Wow cool song! ????Wow cool song! ????Wow cool song! ????
")  
matches = re.finditer(regex, test_str, re.UNICODE | re.MULTILINE)

for matchNum, match in enumerate(matches):
    matchNum = matchNum + 1

    print ("Match {matchNum} was found at {start}-{end}: {match}".format(matchNum = matchNum, start = match.start(), end = match.end(), match = match.group()))

    for groupNum in range(0, len(match.groups())):
        groupNum = groupNum + 1

        print ("Group {groupNum} found at {start}-{end}: {group}".format(groupNum = groupNum, start = match.start(groupNum), end = match.end(groupNum), group = match.group(groupNum)))

号

ps:.net regex为您提供了更多选项，如p is希腊语。

相关讨论