如何在 PHP 中验证多语言名称？

Question

我正在使用 PHP 构建一个全球网站，我希望用户能够用自己的语言输入他们的名字和姓氏，而不仅仅是英语，例如：印度人将能够用印度字母输入他们的名字，俄罗斯人将能够输入他们的名字能够用俄语字母输入他们的名字，等等。现在，我允许名字和姓氏仅包含字母。所以我的问题是我应该如何验证名称？我的意思是：我应该如何检查这些名称是否仅由字母组成？如果我只有英文名字，它会是这样的：preg_match('/[^A-Za-z]/', $fname.$lname)，但现在我不仅有英文字母。注意：我无法为每种不同的语言及其字母一次又一次地编写此验证公式。感谢您到目前为止阅读这个问题。有任何想法吗？？

Answer 1

如果您想使用正则表达式来验证名称，则必须使用修饰符打开 Unicode 模式/u。当处于 Unicode 模式时，PCRE 字符类不仅匹配 ASCII 字母，还包括任何语言和脚本中的字母字符。假设您使用了该类[:alpha:]，或者在启用 Unicode 的情况下\p{L}该类[:alpha:]扩展为：

$fname = 'हिन्दी';
$lname = 'Русский';
preg_match('/[^[:alpha:]]/u', $fname.$lname));

这里“Russkiy”按预期验证，但“Hindi”失败。但为什么？印地语是一种附标文字，例如元音变音符号和固有元音静音符作为其结构的一部分。人们可能会假设"ि","्"和"ी"以上注册为字母；然而他们没有。它们属于不同的类、\p{M}或与其他字符组合的字符。然后，为了匹配 abugida-alphabet 语言（例如印度文字，包括缅甸、泰语、藏语等），我们应该使用：

preg_match('/([^\p{L}\p{M}])/u', $fname.$lname));

我已初步验证此组合与以下语言中预期的字母和组合标记字符匹配：阿卡德语、阿拉伯语、亚美尼亚语、希腊语、古吉拉特语、希伯来语、印地语、日语、马拉雅拉姆语、普通话、俄语、僧伽罗语、苏美尔语、泰米尔语、泰语。更详尽的测试尚未完成，可以肯定地说，上面的内容将涵盖您的大部分字母基础。

现在，关于验证名称的完全与 unicode 无关的问题。我注意到您不允许名称中包含空格。害怕“亚伯拉罕·范海辛”和“奥萨马·本·拉登”尝试报名的那一天。然后，你不允许经期。那“VS Achuthanandan”呢，人们叫他“Vee Es”，因为“Velikkakathu Sankaran”让你的嘴很累。那么“JK罗琳”呢？

再次强调，不允许使用破折号。“卡里姆·阿卜杜勒-贾巴尔”和“让-吕克·皮卡德”怎么样？没有适合您的职业篮球或曲速驱动器。再次强调，不允许使用撇号意味着“达达尼昂伯爵”可能会向你发起决斗挑战，而未来可能属于天网，因为“莎拉·奥康纳”未能注册。她不会回来了。你的网站不太酷。

又名老式鲍比桌（Bobby Tables）怎么样？Robert'); DROP TABLE students;--，或者埃隆·马斯克的新生儿“X Æ A-12”。在那里，我已经告诉您如何匹配任何语言中的任何字母或其片段。我还暗示，如果您允许上述所有内容，几乎是避免误报的基线，那么它可能与一开始就不进行检查没有太大区别。给出“x！1യ！！O'/nul1 W0W@本@？” 他/她有使用奇怪名字的自由，如果那是他们真正想要的。