在Regex中使用Unicode块

Question

我正在尝试添加一个与字符串中的某些unicode组一起使用的功能。我发现this question建议使用以下解决方案，该解决方案适用于所述范围内的unicodes：

s = Regex.Replace(s, @"[^\u0000-\u007F]", string.Empty);

这很好用。

在我的研究中，我遇到了use of unicode blocks，我发现它更具可读性。

InBasic_Latin =  U+0000–U+007F

更常见的是，我看到建议人们使用实际代码本身（\u0000-\u007F）而不是这些块（InBasic_Latin）。当你需要该块的某个子集或特定的unicode时，我可以看到明确声明一个范围的好处，但是当你真的只想要使用块声明进行整个分组时，它的可读性和使用块名称的可编程性似乎更友好代替。

因此，一般来说，我的问题是为什么\u0000–\u007F被认为是比InBasic_Latin更好的语法？

Answer 1

这取决于您的正则表达式引擎，但有些（如.NET，Java，Perl）支持Unicode块：

if (Regex.IsMatch(subjectString, @"\p{IsBasicLatin}")) {
    // Successful match
}

其他人不喜欢（例如JavaScript，PCRE，Python，Ruby，R和其他大多数人），因此您需要手动拼出这些代码点或使用Steve Levithan's XRegExp library for JavaScript之类的扩展名。