Lua中匹配扩展拉丁语系字符的正确方法

问题背景 #

Lua默认的正则字符类%w仅能匹配ASCII范围内的字母（a-z、A-Z）和数字，像språk里的å这类扩展拉丁字母会被排除，手动逐个添加特殊字符或者小范围匹配的方式不够灵活。

你提出的[a-zA-ZÀ-ÿ]+方案的有效性 #

这个范围是可行且实用的：

• À（Unicode U+00C0）到ÿ（Unicode U+00FF）覆盖了几乎所有常见的扩展拉丁语系字符，包括å、ä、ö、é、è、ü、ñ这类欧洲语言中常用的带重音或特殊形式的字母，同时包含了全部ASCII字母。
• 该区间内的字符基本都是合法的字母类符号，不会混入非字母的无效字符，日常场景下完全够用。

不过要注意：如果需要覆盖更罕见的扩展拉丁字符（比如U+0100开始的Ā、Ē、Ō这类），这个范围就不够了，需要进一步扩展区间，比如[a-zA-ZÀ-ÿĀ-ž]。

替代的快捷方案 #

Lua标准正则库本身没有内置支持Unicode字母的快捷字符类，因为它的正则是基于字节而非Unicode编码设计的。如果需要更全面的匹配，有两种选择：

• 使用第三方库：比如LuaUnicode，它提供了%u这类专门匹配Unicode字母的模式，但需要额外引入库文件。
• 自定义扩展范围：根据需求手动补充更多字符区间，比如把U+0100到U+017F的拉丁扩展-A区间也包含进去，写成[a-zA-ZÀ-ÿĀ-ž]。

测试示例 #

local test_tags = {"språk", "café", "naïve", "Müller", "Jönsson"}
for _, tag in ipairs(test_tags) do
    local result = tag:match([[a-zA-ZÀ-ÿ]+]])
    print(string.format("标签: %s | 匹配结果: %s", tag, result or "匹配失败"))
end

内容的提问来源于stack exchange，提问作者theherk