连字符和撇号字符 - 不同语言的相同ASCII码？

Question

我需要指定用于验证用户输入的正则表达式，允许用户在Windows桌面操作系统或Mac OS / X桌面操作系统上输入连字符或撇号字符。

用户可能已配置以下语言：

1. 英
2. 法
3. 西班牙语
4. 葡萄牙语
5. 夏威夷

我不明白我是否使用标准ASCII正则表达式用于连字符和撇号（例如['-]）是否会捕获用户在大多数情况下键入的连字符或撇号键。我很欣赏我的定义非常宽松，因为有许多不同的键盘布局，操作系统版本和语言定义（例如fr_FR，ca_FR）。

我检查了以下资源，并且通常在谷歌搜索，但是没有找到任何关于说明连字符键或撇号键生成的ASCII码的信息将始终分别为ASCII码45和ASCII码39。

• http://en.wikipedia.org/wiki/Keyboard_layout
• http://en.wikipedia.org/wiki/Hyphen
• http://en.wikipedia.org/wiki/Apostrophe

---

注意：如果您认为此问题措辞严厉，请添加评论以帮助我改进。

Answer 1

你混淆了几件事：

• keyboard layout 决定了为扫描码分配的值。
• localization settings 确定您应该以何种语言向用户发送内容，以及用户是否需要小数点或逗号。
• character encoding 是glyph编码到位内存中的方式，反之，如何将位解码为字形

如果您正在验证用户输入，则不应对扫描码感兴趣。 QWERTY键盘上的DVORAK布局用户将按Q键输入'。你不应该搞砸了。所以你有没有业务处理键盘布局。

这个键盘的存在应该提醒你，哪些键不是你的头痛，而是由用户决定。

本地化设置 对您很重要，但 对您的正则表达式无关紧要。但是，如果用户输入无效，他们会告诉您应该使用何种语言添加错误消息。一个好的coding practice是使用像gettext这样的库来管理它。

在验证输入时最重要的是什么。只有这两件事：什么是有效，什么是输入。

您（或您的域名专家）决定什么是有效的。连字符减号与连字符或n-dash一样可接受。

输入将被编码;计算机使用位，而不是字形串。它可能是ASCII，但如果我能帮助它，我会转向unicode。

至于你真正关心的问题，如果我可以改写它：“所有用户都可以轻松输入'和-吗？”。我想他们可能会。许多重要的编程语言都使用这些字形来表示。表示字符串并作为减法运算符。如果您的应用程序需要（dis）允许某些字形，您可以put unicode code points or categories in your regex。