如何验证 PHP 中的多语言名称？
How to validate multilingual names in PHP?
我正在使用 PHP 构建一个全球网站，我想让用户能够用他们自己的语言输入他们的名字和姓氏，而不仅仅是英语，例如：印度人将能够输入他们的名字用印度字母输入，俄罗斯人将可以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由字母组成。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会像这样：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。有什么想法吗？？
如果您想使用正则表达式来验证名称，则必须使用 /u 修饰符打开 Unicode 模式。在 Unicode 模式下，PCRE 字符 classes 不仅匹配，例如ASCII 字母，但包括任何语言和文字的字母字符。假设您使用了 [:alpha:] class 或 \p{L}，这是 [:alpha:] class 使用 Unicode 扩展到的内容：
$fname = 'हिन्दी';
$lname = 'Русский';
preg_match('/[^[:alpha:]]/u', $fname.$lname));
此处“Russkiy”按预期验证，但“Hindi”失败。但为什么？印地语是一个 abugida 脚本，例如元音变音符号和 inherent-vowel 静音器作为其结构的一部分。人们可能会假设上面的 "ि"、"्" 和 "ी" 注册为字母；但是他们没有。它们属于不同的 class、\p{M} 或与其他字符组合的字符。然后，要匹配 abugida-alphabet 种语言（例如印度文，包括缅甸文、泰文、藏文等），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 letter-and-combining-mark 个字符匹配：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。更详尽的测试待定，可以肯定地说以上内容将涵盖您的大部分字母表。
现在，完全 unicode-unrelated 关于验证名称的问题。我注意到您不允许在名称中使用空格。害怕 “Abraham Van Helsing” 和 “Osama bin Laden” 尝试注册的那一天。然后，你不允许经期。 “V. S. Achuthanandan” 呢，人们称他为“Vee Es”，因为“Velikkakathu Sankaran”让你的嘴巴很累。那么 “J. K. Rowling” 呢？
同样，您不允许使用破折号。 "Kareem Abdul-Jabbar" 和 "Jean-Luc Picard" 呢？没有适合你的职业篮球或曲速驱动器。同样，不允许使用撇号意味着 "Count d'Artagnan" 可能会向您发起决斗，未来现在可能属于天网，因为 "Sarah O'Connor"注册失败。她不会回来了。您的网站不是那么酷。
那么好的老 Bobby Tables 又名呢？ 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的任何字母或其片段。我还暗示，如果您允许以上所有条件，几乎是避免误报的基线，那么它可能与不检查开始没有太大区别。给 "x!1യ!! O'/nul1 W0W@本@?" his/her 自由使用奇怪的名字，如果那是他们真正想要的。
延伸阅读：
我正在使用 PHP 构建一个全球网站，我想让用户能够用他们自己的语言输入他们的名字和姓氏，而不仅仅是英语，例如：印度人将能够输入他们的名字用印度字母输入，俄罗斯人将可以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由字母组成。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会像这样：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。有什么想法吗？？
如果您想使用正则表达式来验证名称，则必须使用 /u 修饰符打开 Unicode 模式。在 Unicode 模式下，PCRE 字符 classes 不仅匹配，例如ASCII 字母，但包括任何语言和文字的字母字符。假设您使用了 [:alpha:] class 或 \p{L}，这是 [:alpha:] class 使用 Unicode 扩展到的内容：
$fname = 'हिन्दी';
$lname = 'Русский';
preg_match('/[^[:alpha:]]/u', $fname.$lname));
此处“Russkiy”按预期验证，但“Hindi”失败。但为什么？印地语是一个 abugida 脚本，例如元音变音符号和 inherent-vowel 静音器作为其结构的一部分。人们可能会假设上面的 "ि"、"्" 和 "ी" 注册为字母；但是他们没有。它们属于不同的 class、\p{M} 或与其他字符组合的字符。然后，要匹配 abugida-alphabet 种语言（例如印度文，包括缅甸文、泰文、藏文等），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 letter-and-combining-mark 个字符匹配：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。更详尽的测试待定，可以肯定地说以上内容将涵盖您的大部分字母表。
现在，完全 unicode-unrelated 关于验证名称的问题。我注意到您不允许在名称中使用空格。害怕 “Abraham Van Helsing” 和 “Osama bin Laden” 尝试注册的那一天。然后，你不允许经期。 “V. S. Achuthanandan” 呢，人们称他为“Vee Es”，因为“Velikkakathu Sankaran”让你的嘴巴很累。那么 “J. K. Rowling” 呢？
同样，您不允许使用破折号。 "Kareem Abdul-Jabbar" 和 "Jean-Luc Picard" 呢？没有适合你的职业篮球或曲速驱动器。同样，不允许使用撇号意味着 "Count d'Artagnan" 可能会向您发起决斗，未来现在可能属于天网，因为 "Sarah O'Connor"注册失败。她不会回来了。您的网站不是那么酷。
那么好的老 Bobby Tables 又名呢？ 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的任何字母或其片段。我还暗示，如果您允许以上所有条件，几乎是避免误报的基线，那么它可能与不检查开始没有太大区别。给 "x!1യ!! O'/nul1 W0W@本@?" his/her 自由使用奇怪的名字，如果那是他们真正想要的。
延伸阅读：