寻求适配xsd:NMTOKEN定义的正则表达式编写方案

别担心，刚上手正则的时候确实容易被各种规则绕晕，我来一步步帮你搞定xsd:NMTOKEN的正则匹配问题！

首先咱们再明确一遍xsd:NMTOKEN的核心规则，避免理解偏差：

• 是单个非空字符串令牌
• 允许的字符：字母（大小写/Unicode都算）、数字、句点.、连字符-、下划线_、冒号:
• 首尾空白会被自动移除（whiteSpace facet为collapse），但字符串内部绝对不能有空白
• 可以用任意允许的字符开头

基础ASCII版本正则 #

如果只需要支持英文字母和阿拉伯数字，用这个就够了：

^[A-Za-z0-9._:-]+$

我来拆解一下每个部分的作用：

• ^：匹配字符串的起始位置，确保从第一个字符就符合规则
• [A-Za-z0-9._:-]：定义允许的字符集合——大小写英文字母、0-9数字、以及.、_、-、:这几个符号（注意把-放在集合的最后，这样就不用转义，避免被当成范围符号）
• +：表示前面的字符集合至少出现1次，保证令牌非空
• $：匹配字符串的结束位置，确保整个字符串里没有超出允许范围的字符

支持Unicode字母/数字的版本 #

如果需要支持其他语言的字母（比如中文、法语、西班牙语的特殊字母）或者非阿拉伯数字，就用Unicode属性类的正则：

^[\p{L}\p{N}._:-]+$

• \p{L}：匹配任意Unicode字母（包括各种语言的大小写字母）
• \p{N}：匹配任意Unicode数字（比如罗马数字、阿拉伯数字等）

注意：不同正则引擎对Unicode属性的支持不一样，比如JavaScript里需要加上u标志才能生效，写法是/^[\p{L}\p{N}._:-]+$/u

关于空白处理的重要提醒 #

xsd的collapse规则是说先移除首尾空白，再检查内容，所以你在应用正则之前，需要先对输入做两步处理：

1. 移除输入字符串的首尾空白（比如用编程语言里的trim()方法）
2. 检查处理后的字符串是否为空——空字符串不符合NMTOKEN的要求
3. 最后用上面的正则匹配处理后的字符串，确保没有内部空白和非法字符

合法/非法示例 #

• 合法的NMTOKEN：User_123、prod.v2、order-789、xml:lang
• 非法的NMTOKEN： myToken（未处理首尾空白）、hello world（内部有空格）、@admin（包含非法字符@）、``（空字符串）

内容的提问来源于stack exchange，提问作者Alex