如何匹配,"^[\\u4E00-\\u9FA5\\uf900-\\ufa2d\\w]{2,6}$")这样的中文字符？

lhmwzy · 2013-01-24T20:58:02+00:00

Hello! 2013/1/22 ybb6825291: > 我希望在修改了某一个lua文件之后&#xFF0C...

如何匹配,"^[\\u4E00-\\u9FA5\\uf900-\\ufa2d\\w]{2,6}$")这样的中文字符？

lhmwzy

如题

agentzh

Hello!

你使用的正则语法是 Javascript 正则而不是 Perl 兼容正则，即 \uXXXX 这种指定 Unicode code point
的记法是 Javascript 正则中特有的记法。

PCRE 默认是 Perl 兼容正则，所以需要特别指定 Javascript 模式，例如：

    location /t {
        content_by_lua '
            local m = ngx.re.match("章", [[\\u7AE0]], "uJ")
            if m then
                ngx.say("matched: ", m[0])
            else
                ngx.say("not matched!")
            end
        ';
    }

注意这里的正则选项 "uJ" 中 u 是启用 UTF-8 模式，J 则是用于启用 Javascript 模式。访问此 /t 接口得到期望的输出：

    matched: 章

注意 ngx.re API 中的这个 J 选项是我刚刚特意添加到 ngx_lua 的 master 分支的，补丁如下：

    https://github.com/chaoslawful/lua-nginx-module/commit/07d4873

同时要确保你的 PCRE 在编译时启用了 UTF-8 支持（官方源码包默认是禁用的）。

如果你不想使用 git 仓库里面最新的 ngx_lua 版本，则可以稍微修改一下你的正则表达式，换用 Perl 正则的记法来表达
Unicode code point，即用 \x{XXXX} 来取代 \uXXXX. 特别地，你仍需要指定 "u" 正则选项以启用
UTF-8 模式。下面是一个例子：

    location /t {
        content_by_lua '
            local m = ngx.re.match("章", [[\\x{7AE0}]], "u")
            if m then
                ngx.say("matched: ", m[0])
            else
                ngx.say("not matched!")
            end
        ';
    }

访问 /t 接口仍然可以得到期望的结果：

    matched: 章

关于 PCRE 支持的正则记法的更多细节，请参考 PCRE 的官方 manpage:

    http://www.pcre.org/pcre.txt

Best regards,
-agentzh

lhmwzy

local p = ngx.re.match("我爱中国人中国是个","[\\x{4e00}-\\x{9fff}]{1,6}","u")
ngx.say(p[0])

谢谢章老湿

在 2013年1月25日上午4:00，agentzh <age...@gmail.com>写道：

Hello!

你使用的正则语法是 _javascript_ 正则而不是 Perl 兼容正则，即 \uXXXX 这种指定 Unicode code point
的记法是 _javascript_ 正则中特有的记法。

PCRE 默认是 Perl 兼容正则，所以需要特别指定 _javascript_ 模式，例如：

location /t {
content_by_lua '
local m = ngx.re.match("章", [[\\u7AE0]], "uJ")
if m then
ngx.say("matched: ", m[0])
else
ngx.say("not matched!")
end
';
}

注意这里的正则选项 "uJ" 中 u 是启用 UTF-8 模式，J 则是用于启用 _javascript_ 模式。访问此 /t 接口得到期望的输出：

matched: 章

注意 ngx.re API 中的这个 J 选项是我刚刚特意添加到 ngx_lua 的 master 分支的，补丁如下：

https://github.com/chaoslawful/lua-nginx-module/commit/07d4873

同时要确保你的 PCRE 在编译时启用了 UTF-8 支持（官方源码包默认是禁用的）。

如果你不想使用 git 仓库里面最新的 ngx_lua 版本，则可以稍微修改一下你的正则表达式，换用 Perl 正则的记法来表达
Unicode code point，即用 \x{XXXX} 来取代 \uXXXX. 特别地，你仍需要指定 "u" 正则选项以启用
UTF-8 模式。下面是一个例子：

location /t {
content_by_lua '
local m = ngx.re.match("章", [[\\x{7AE0}]], "u")
if m then
ngx.say("matched: ", m[0])
else
ngx.say("not matched!")
end
';
}

访问 /t 接口仍然可以得到期望的结果：

matched: 章

关于 PCRE 支持的正则记法的更多细节，请参考 PCRE 的官方 manpage:

http://www.pcre.org/pcre.txt

Best regards,
-agentzh

--