php - 验证 unicode 文本区域的最小长度

Question

我必须验证在表单的文本区域字段中输入的俄语文本(utf8)。字符数(无空格、无空行)应至少为 500。文本应使用正则表达式进行检查，并且可以有很多行。

我已经尝试过:

#^.{500}.*#

这确实以某种方式造成了限制。然而，这种模式似乎不尊重 unicode。 260 个俄语字符足以通过检查。我不知道如何:

1. 检查 unicode 字符
2. 不计算空格
3. 不计算空行

Answer 1

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 模式会改变这一点(正如 Esailija 正确指出的那样)，以便 . 正确匹配 (Unicode) 字符:

#^.{500}#u

您不需要尾随的 .*，因为 PHP 中不需要匹配完整的字符串。请注意，如果前 500 个字符内有换行符，则这不匹配，因为 . 不匹配换行符(您还应该添加 s 修饰符，改变这一点)。

对于从计数中排除空格的第二个要求，您可以执行以下操作:

#^(?:\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。并且总共必须匹配 500 次。因此，根据需要，每个非空白字符只能获得一次重复。

请注意，不需要 s 修饰符即可在所有情况下都起作用，因为我们不使用 .。

不过有一个警告，this article 中对此进行了解释。 ， 尽管。对于 Unicode，某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 ` ) 是一个组合标记。因此，虽然有两个不同的 Unicode 代码点，但它们仍然只是一个字符。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，因为西里尔字母不使用重音。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，例如 Ωmega。