Подтвердить что ты не робот

Как совместить акцентированные символы с регулярным выражением?

Я запускаю Ruby on Rails 3.0.10 и Ruby 1.9.2. Я использую следующее Regex для соответствия именам:

NAME_REGEX = /^[\w\s'"\-_&@!?()\[\]-]*$/u

validates :name,
  :presence   => true,
  :format     => {
    :with     => NAME_REGEX,
    :message  => "format is invalid"
  }

Однако, если я попытаюсь сохранить несколько слов, например:

Oilalà
Pì
Rùby
...

# In few words, those with accented characters

У меня есть ошибка проверки "Name format is invalid..

Как изменить приведенное выше Regex так, чтобы он соответствовал также акцентированным символам, таким как à, è, é, ì, ò, ù,...?

4b9b3361

ОТВЕТЫ

Ответ 1

Вместо \w используйте выражение скобки POSIX [:alpha:]:

"blåbær dèjá vu".scan /[[:alpha:]]+/  # => ["blåbær", "dèjá", "vu"]

"blåbær dèjá vu".scan /\w+/  # => ["bl", "b", "r", "d", "j", "vu"]

В вашем конкретном случае измените регулярное выражение на это:

NAME_REGEX = /^[[:alpha:]\s'"\-_&@!?()\[\]-]*$/u

Это соответствует гораздо большему, чем просто акцентированным символам. Это хорошая вещь. Убедитесь, что вы прочитали эту запись в блоге о распространенных заблуждениях относительно имен в программных приложениях.

Ответ 2

Одним из решений было бы, конечно, просто найти, что все они просто используют их, как обычно, хотя я предполагаю, что их может быть довольно много.

Если вы используете UTF8, вы обнаружите, что такие символы часто разделяются на две части, сам "базовый" символ, за которым следует акцент (0x0300 и 0x0301, я считаю), также называется комбинирующим символом. Однако это может не всегда быть истинным, так как некоторые символы также могут быть записаны с использованием "жестко закодированного" символьного кода... поэтому вам нужно сначала нормализовать строку UTF8 для формы NFD.

Конечно, вы также можете превратить любую строку в UTF8, а затем обратно в исходную кодировку... но накладные расходы могут стать довольно большими, если вы выполняете массовые операции.

EDIT: чтобы ответить на ваш вопрос конкретно, лучшее решение, скорее всего, нормализует ваши строки в форме UDF8 NPD, а затем просто добавит 0x0300 и 0x0301 в список допустимых символов и любые другие сочетания символов, которые вы хотите разрешить (например, как точки в åäö, вы можете найти их все в "charmap" в Windows, посмотрите на 0x0300 и "вверх" ).