如何在 Google 表单中段落问题的正则表达式中启用单引号、双引号和标记？

Question

在 Google 表单中的段落问题中，以下设置用于停止输入表情符号、破折号（十六进制字符 97）和 €（十六进制字符 80）： 正则表达式匹配 ^[\x0A-\xFF]*$

在移动设备（非桌面设备）上的 Chrome 浏览器中，此正则表达式限制输入：

1. 双引号（十六进制字符 22）
2. 单引号（十六进制字符 27）
3. 左单引号（十六进制字符 91）
4. 右单引号（十六进制字符 92）
5. 左双引号（十六进制字符 93）
6. 右双引号（十六进制字符 94）

• 尽管公式 ^[\x0A-\xFF]*$ 包括十六进制字符 10 (0A) 到十六进制字符 255 (FF)。

如何更新正则表达式^[\x0A-\xFF]*$以启用上述 6 项？

我尝试在正则表达式中输入不同的公式，例如 ^([^\p{Emoji}]|\[^p{Emoji}])*$ 但这没有帮助，它使情况变得更糟.

Answer 1

TL；博士

您在字符的数字表示中混淆了 Windows Latin-1 和 Unicode 字符集，这就是您的正则表达式未返回预期结果的原因。我纠正了这个问题，并从类中删除了一些不相关的字符，以获得在 Google 表单中使用的正则表达式：

^[\x0A\x0D\x20-\x7E\xA0-\xFF\x{2018}\x{2019}\x{201C}\x{201D}]*$

。

---

详细解答

在下文中，我使用

255

表示十进制表示法，使用

\xFF

表示十六进制表示法。

问题在于，当 Google Forms 中实现的 Google RE2 正则表达式库使用其 Unicode 来指定字符时，您正在使用 Windows Latin-1 (CP1252) 字符集中的数字表示来指定字符代码点（可能像大多数（如果不是全部）现代正则表达式引擎）。
对于前 256 个位置（

\x00

到

\xFF

），两个集合中的字符是相同的，因此允许混淆，因为 RE2 表达式

^[\x0A-\xFF]*$

匹配相同的字符，即：

                            ! " # $ % & ' ( ) * + , - . / 0 1 2 3 4 5 6 7 8 9 : ; < = > ? @ A B C D E F G H I J K L M N O P Q R S T U V W X Y Z [ \ ] ^ _ ` a b c d e f g h i j k l m n o p q r s t u v w x y z { | } ~                                    ¡ ¢ £ ¤ ¥ ¦ § ¨ © ª « ¬ ­ ® ¯ ° ± ² ³ ´ µ ¶ · ¸ ¹ º » ¼ ½ ¾ ¿ À Á Â Ã Ä Å Æ Ç È É Ê Ë Ì Í Î Ï Ð Ñ Ò Ó Ô Õ Ö × Ø Ù Ú Û Ü Ý Þ ß à á â ã ä å æ ç è é ê ë ì í î ï ð ñ ò ó ô õ ö ÷ ø ù ú û ü ý þ ÿ

N.B.：上面的空白对应于不可打印的字符。

但是要构建 RE2 兼容的正则表达式（其字符位置高于

\xFF

），您必须使用 Unicode 值（“代码点”）。

让我们比较一下您问题中考虑的字符的数字表示：

必须匹配引号（或双引号）是的撇号（或单引号）是的左单引号是的右单引号是的左双引号是的右双引号是的Em破折号不欧元符号不笑脸不不

性格	描述	在 Windows Latin-1 字符集中的位置	在 Unicode 字符集中的位置	正则 表达式
"		34 或 \x22	34 或 \x22
'		39 或 \x27	39 或 \x27
‘		145 或 \x91	8216 或 \x2018
’		146 或 \x92	8217 或 \x2019
“		147 或 \x93	8220 或 \x201C
”		148 或 \x94	8221 或 \x201D
—		151 或 \x97	8212 或 \x2014
€		128 或 \x80	8364 或 \x20AC
😀		不包括	128512 或 \x1F600
其他表情符号	不包括	... 或 \x...

以上所有内容都表明，正则表达式

^[\x0A-\xFF]*$

 将匹配较低位置的字符，但不匹配 Unicode 中位于高位置（远高于 

\xFF

）的左/右引号。因此，您需要使用这些特定标记的表示来扩展字符类，如下所示：

^[\x0A-\xFF\x{2018}\x{2019}\x{201C}\x{201D}]*$

。

RE2 需要大括号来表示由三位或更多数字组成的十六进制数字。

顺便说一句，对我来说似乎没有必要包含位置

\x0A

 和 

\x1F

 之间的所有控制字符（只有 

\x0A

 和 

\x0D

 似乎与我相关）。此外，位置 

\x7F

 到 

\x9F

 被分配给在您的情况下不输入的控制（因此不可打印）字符。因此，更相关但更长的表达方式是

^[\x0A\x0D\x20-\x7E\xA0-\xFF\x{2018}\x{2019}\x{201C}\x{201D}]*$

。你可以测试一下

那里。

顺便说一下，这些表达式不包括欧元符号、破折号和表情符号。

我无法重现这些正则表达式无法匹配字符
\x22

 和 

\x27

。

另请注意，Google RE2 库不支持
\p{Emoji}

 字符类。