在放入正则表达式之前应该转义的所有字符列表是什么？

Question

请问是否能提供需要转义的特殊字符的完整列表？

我担心自己不知道其中的一些。

- Somebody

---

这个列表令人惊讶地很难找到。 - dwjohnston

Answer 1

PHP的preg_quote函数接受任意字符串，并“在正则表达式语法中的每个字符前面放置反斜杠”，从而转义这些字符：

. \ + * ? [ ^ ] $ ( ) { } = ! < > | : -

以下是JavaScript preg_quote的简化版本，取自Locutus:

function escapeRegexChars(str) {
  return str.replace(new RegExp('[.\\\\+*?\\[\\^\\]$(){}=!<>|:\\-]', 'g'), '\\$&')
}

- Tatu Ulmanen

---

如果您正在使用 str_replace 转义这些字符，应该先转义反斜杠\ 。在上面的列表中，如果将.替换为\ .，则 . 将被替换为\.，而这不是所需的结果。 - Mark Rose

冒号（即“：”）不应该在这里，因为它在JavaScript中不是一个特殊的正则表达式字符。 - manymanymore

MDN在https://developer.mozilla.org/en-US/docs/Web/JavaScript/Guide/Regular_expressions文章中推荐了另一种表达方式。 - Vladimir Nikotin

Answer 2

根据这个网站，需要转义的字符列表如下：

[、反斜杠\、脱字符^、美元符号$、句点或点号.、竖线或管道符号|、问号?、星号或乘号*、加号+、左圆括号(和右圆括号)。

此外，您还需要转义由Javascript解释器解释为字符串结束的字符，即单引号'或双引号"。

- Andrea

---

不知道如何评价那个网站。它涵盖了许多正则表达式的变体，但没有说明这个列表适用于哪些变体。 - BaldEagle

Answer 3

参考Tatu Ulmanen的答案，我的C#解决方案如下：

private static List<string> RegexSpecialCharacters = new List<string>
{
    "\\",
    ".",
    "+",
    "*",
    "?",
    "[",
    "^",
    "]",
    "$",
    "(",
    ")",
    "{",
    "}",
    "=",
    "!",
    "<",
    ">",
    "|",
    ":",
    "-"
};


foreach (var rgxSpecialChar in RegexSpecialCharacters)
                rgxPattern = input.Replace(rgxSpecialChar, "\\" + rgxSpecialChar);

请注意，我已经交换了 '\' 和 '.' 的位置，如果不先处理斜杠，则会导致 '\' 值加倍。 编辑 以下是javascript翻译。

var regexSpecialCharacters = [
    "\\", ".", "+", "*", "?",
    "[", "^", "]", "$", "(",
    ")", "{", "}", "=", "!",
    "<", ">", "|", ":", "-"
];

regexSpecialCharacters.forEach(rgxSpecChar => 
    input = input.replace(new RegExp("\\" + rgxSpecChar,"gm"), "\\" + 
rgxSpecChar))

- hngr18

---

OP不是要求JavaScript吗？ - Jamie Hutber

@JamieHutber 他们做了。 - hngr18

解释一下：他们后来编辑了他们的标签。 - Jamie Hutber

Answer 4

在一个字符集合内，如果要匹配一个字面上的连字符-，当它不位于开头或结尾时，需要进行转义。例如，在下面的模式中最后一个连字符的位置，需要进行转义：

[a-z0-9\-_]+

但在这里不需要转义：

[a-z0-9_-]+

如果你未能转义连字符，引擎将试图将其解释为前一个字符和下一个字符之间的范围（就像 a-z 匹配 a 和 z 之间的任何字符一样）。

此外，在字符集内部不需要转义 / （尽管在字符集外部需要转义）。因此，以下语法是有效的；

const pattern = /[/]/;

- jj2005

Answer 5

随着在JavaScript中引入Unicode正则表达式（即使用u标志构造的正则表达式），这里的答案变得更加复杂。特别是：

• 非Unicode正则表达式支持“身份”转义；也就是说，如果一个字符在正则表达式模式中没有特殊的解释，那么对它进行转义不会产生任何效果。这意味着/a/和/\a/将以相同的方式匹配。

• Unicode正则表达式更加严格——尝试转义一个不被视为“特殊”的字符是错误的。例如，/\a/u不是有效的正则表达式。

可以从ECMAScript标准中推断出一组特殊解释的字符；例如，在ECMAScript 2021中，https://262.ecma-international.org/12.0/#sec-patterns，我们看到以下“语法”字符：

SyntaxCharacter :: one of
    ^ $ \ . * + ? ( ) [ ] { } |

特别是与其他答案相比，注意到!、<、>、:和-不被视为语法字符。相反，在特定的上下文中，这些字符可能只有特殊的解释。

例如，只有在用作捕获组名称时，<和>字符才具有特殊的解释；例如：

/(?<name>\w+)/

由于在 Unicode 正则表达式中，< 和 > 不被视为语法字符，因此对它们进行转义会导致错误。

> /\</
/\</

> /\</u
Uncaught SyntaxError: Invalid regular expression: /\</: Invalid escape

此外，-字符仅在字符类中被特殊解释，用于表示字符范围，例如。

/[a-z]/

在 Unicode 正则表达式中，将 - 转义置于字符类内是有效的，但放在字符类外则无效。

> /\-/
/\-/

> /\-/u
Uncaught SyntaxError: Invalid regular expression: /\-/: Invalid escape

> /[-]/
/[-]/

> /[\-]/u
/[\-]/u

对于使用/ /语法（而不是new RegExp()）构建的正则表达式，内部斜杠（/）需要进行转义，但这是为了避免JavaScript解析器中出现歧义，而不是为了正则表达式本身，以避免模式结束标记/与模式中的字面量/之间的混淆。

> /\//.test("/")
true

> new RegExp("/").test("/")
true

不过，如果你的目标是转义字符，使它们在正则表达式中不被特殊解释，那么只需要转义语法字符就足够了。例如，如果我们想匹配字面字符串(?:hello)，我们可以使用以下代码：

> /\(\?:hello\)/.test("(?:hello)")
true

> /\(\?:hello\)/u.test("(?:hello)")
true

请注意，冒号（:）字符不需要转义。在模式(?:hello)中，冒号字符可能看起来需要转义，因为它在该模式中有特殊的解释，但由于它不被视为语法字符，因此不需要转义它。（转义前面的(和?字符足以确保冒号不被特别解释。）

---

以上代码片段已经进行了测试：

$ node -v
v16.14.0

$ node -p process.versions.v8
9.4.146.24-node.20

- Kevin Ushey

---

我很感激你提供了详尽的答案，但如果你能够事先给出一个简短而又最有用的回答/总结，而不是期望每个人都阅读整个答案，那将会更好。 - user3064538

Answer 6

问题：

const character = '+'
new RegExp(character, 'gi') // error

智能解决方案：

// with babel-polyfill
// Warning: will be removed from babel-polyfill v7
const character = '+'
const escapeCharacter = RegExp.escape(character)
new RegExp(escapeCharacter, 'gi') // /\+/gi

// ES5
const character = '+'
const escapeCharacter = escapeRegExp(character)
new RegExp(escapeCharacter, 'gi') // /\+/gi

function escapeRegExp(string){
    return string.replace(/[.*+?^${}()|[\]\\]/g, '\\$&')
}

- haravares

Answer 7

我在寻找与ESLint的“no-useless-escape”设置相关的列表，用于正则表达式。发现一些提到的字符在JS中不需要转义。这里另一个答案中更长的列表是针对PHP的，它确实需要转义其他字符。

在这个ESLint的github问题中，大约在中间位置，用户not-an-aardvark解释了为什么该问题中引用的字符可能需要转义。

在javascript中，需要转义的字符是语法字符或以下字符之一：

^ $ \ . * + ? ( ) [ ] { } |

我链接到的github问题的回复包括有关“附录B”语义（我不太了解）的解释，允许取消转义上述提到的4个字符：) ] { }。

另一个需要注意的是，转义不需要转义的字符不会造成任何伤害（除非你试图转义转义字符）。因此，我的个人经验法则是：“当你不确定时，请进行转义”

- Michael S

---

不幸的是，这个说法已经不再正确了，至少对于 Firefox 中的<input pattern="">来说是这样的：https://dev59.com/oVoU5IYBdhLWcg3w559R - nrkn