Question

我必须验证在表单的textarea字段中输入的俄语文本（utf8）。字符数（没有空格，没有空行）应至少为500.应使用正则表达式检查文本，并且可以有多行。

我试过了：

#^.{500}.*#

这确实以某种方式限制了这一点。但是，似乎这种模式不尊重unicode。 260个俄语字符足以通过支票。我无法弄清楚如何：

检查unicode字符
不计算空格
不计算空行

Answer 1

你需要u标志来激活preg_函数中的UTF-8感知：

$regex = '#^.{500}.*#u';

如果您只想查看它是否长达500个字符，您只需使用mb_strlen:

mb_internal_encoding("UTF-8");
$input_without_whitespace = preg_replace( '/[\x{0009}\x{000B}\x{000C}\x{0020}\x{00A0}\x{FEFF}\x{200C}\x{200D}]/u', "", $input );
if( mb_strlen( $input_without_whitespace ) > 500 ) {

}

Answer 2

好的，首先.默认匹配字节，因为输入字符串被解释为ASCII。使用Unicode模式更改（如Esailija正确指出），以便.正确匹配（Unicode）字符：

#^.{500}#u

您不需要尾随.*，因为不需要匹配PHP中的完整字符串。请注意，如果前500个字符中存在换行符，则不匹配，因为.与换行符不匹配（您还应添加s修饰符，以更改它）。

对于从计数中排除空格的第二个要求，你可以这样做：

#^(?:\s*\S){500}#u

该子组匹配尽可能多的空格字符，然后匹配一个非空格字符。这一起必须匹配500次。因此，根据需要，每个非空白字符只能重复一次。

请注意，s修饰符不需要在所有情况下都可以使用，因为我们不使用.。

但有一点需要注意，但在this article中对此进行了解释。对于Unicode，一些字符由多个代码点组成。例如，à可以写为一个字符a，后跟另一个代码点（U+0300或`），这是一个组合标记。因此，虽然有两个不同的Unicode代码点，但它们仍然只有一个字符。但是，.匹配代码点（因为它不区分组合标记和“独立字符”）。我想这不会影响你的情况，因为西里尔语不使用口音。但这是值得注意的事情。如果它与您相关，您可能需要研究更高级的解决方案，如Ωmega。

Answer 3

使用正则表达式

/(?>\s*+\P{M}\p{M}*){500}/u

验证unicode textarea的最小长度

3 个答案: