regex - 连字符和撇号字符 - 不同语言的相同 ASCII 代码？

Question

我需要指定一个正则表达式来验证用户输入，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。

用户可能已经配置了以下语言:

1. 英语
2. 法语
3. 西类牙语
4. 葡萄牙语
5. 夏威夷语

我不明白如果我对连字符和撇号使用标准的 ASCII 正则表达式(例如 ['-])是否会捕获用户键入的连字符或撇号键 在大多数情况下。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在谷歌上进行了一般搜索，但找不到任何特别说明 hyphen key 或 apostrophe key 生成的 ASCII 代码将始终分别为 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:如果您觉得这个问题措辞不当，请添加评论以帮助我改进它。

Answer 1

你混淆了一些东西:

• keyboard layout 决定将什么值分配给扫描码。
• localization settings 确定您应该用什么语言来称呼用户，以及用户希望使用小数点还是逗号。
• character encoding 是怎样一个glyph被编码到位内存中，反过来，如何将位解码为字形

如果您要验证用户输入，您不应该对扫描码感兴趣。 QWERTY 键盘上的 DVORAK 布局用户将按 Q 键输入 '。你不应该搞砸它。所以您没有业务处理键盘布局。

这个键盘的存在，应该提醒你，按键的作用不是你的头疼，而是用户的事。

本地化设置将对您很重要，但对您的正则表达式不是。但是，如果用户输入无效，他们会告诉您应该使用哪种语言输入错误消息。不错coding practice是使用像 gettext 这样的库来管理它。

最重要的是，当您验证输入时。只是这两件事:什么是有效，什么是输入。

您(或您的领域专家)决定什么是有效的。连字符减号是否与连字符或正破折号一样可接受。

输入将被编码；计算机使用位，而不是字形字符串。它可能是 ASCII，但如果可以的话，我会转向 unicode。

至于您真正关心的问题，如果我可以换个说法:“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使用这些字形来响应。表示字符串和作为减法运算符。如果您的应用程序需要(禁止)允许某些字形，您可以 put unicode code points or categories in your regex .