JavaScript中的正则表达式修饰符 /u 是什么？

Question

最近我创建了一个正则表达式，用于我的PHP代码，它只允许字母（包括特殊字符和空格），但现在我遇到了将其转换为JavaScript兼容的正则表达式时出现的问题，这是它的代码：/^[\s\p{L}]+$/u，问题在于正则表达式模式末尾的/u修饰符，因为JavaScript不允许使用这样的标记。

我该如何重写它，以便在JavaScript中也能够工作？

是否有一些方法只允许波兰字符：Ł, Ą, Ś, Ć ...

- Scott

---

或许这个答案对此有帮助。 - Lix

你确定需要使用u标志吗？你尝试过去掉它并测试表达式吗？ - cammil

@cammil 需要使用 "u"，这样 "\p{L}" 才能被识别为检查 UTF-8 字母。 - Matt S

Answer 1

/u修饰符支持Unicode。在ES2015中添加了对其的支持。

阅读https://dev59.com/AnVC5IYBdhLWcg3weBE-以了解有关JavaScript中带有正则表达式的Unicode的更多信息。

---

波兰字符：

Ą \u0104
Ć \u0106
Ę \u0118
Ł \u0141
Ń \u0143
Ó \u00D3
Ś \u015A
Ź \u0179
Ż \u017B
ą \u0105
ć \u0107
ę \u0119
ł \u0142
ń \u0144
ó \u00F3
ś \u015B
ź \u017A
ż \u017C

所有的波兰特殊字符：

[\u0104\u0106\u0118\u0141\u0143\u00D3\u015A\u0179\u017B\u0105\u0107\u0119\u0142\u0144\u00F3\u015B\u017A\u017C]

- Ωmega

---

有人可能会认为，在任何正确处理Unicode而不是在字符串中混杂二进制数据和实际Unicode文本的语言/环境中，修饰符都是不必要的，比如PHP。 - Joey

@Joey - PHP的preg函数基于PCRE，当在正则表达式后附加/u选项时，支持Unicode。 - Ωmega

@Scott - 波兰语使用拉丁字母，因此请使用范围[\u0000-\u007F]=基本拉丁文；[\u0080-\u00FF]=拉丁1补充；[\u0100-\u017F]=拉丁扩展-A；[\u0180-\u024F]=拉丁扩展-B；...这些范围一起得到[\u0000-\u024F]以包括所有拉丁字符 :) - Ωmega

Ωmega，我知道为什么在PCRE中需要标志，根本原因是PHP没有为字符串定义字符集，导致一些字符串处于某些遗留字符集中，一些处于UTF-8中，一些甚至存储非文本二进制数据。像Java或.NET这样的环境在这方面要容易得多，因为文本始终是Unicode。 - Joey

这个答案是在搜索“regex u flag”时谷歌的首要结果之一，因此您可能希望更新它，并加上一个前言说明它已经在ES2016中定义，并且现在被大多数最新的浏览器支持 :) - Aaron

@Ωmega 如果你只想匹配字母，你可以使用：[\u0041-\u005A\u0061-\u007A\u00C0-\u00D6\u00D8-\u00F6\u00F8-\u02B8] 但它看起来肯定不太整洁。 - Liggliluff

Answer 2

JavaScript没有任何UTF-8字符串的概念，因此您不太可能需要/u标志。(您的字符串可能已经以通常的JavaScript形式存在，即每个“字符”一个UTF-16代码单元。)

更大的问题是JavaScript不支持\p{L}或任何等效符号；JavaScript正则表达式不了解Unicode字符属性。请参见这个StackOverflow问题的答案，了解一些近似方法。

---

编辑添加：如果您只需要支持波兰字母，则可以编写/^[\sa-zA-ZĄĆĘŁŃÓŚŹŻąćęłńóśźż]+$/。 a-z和A-Z部分涵盖ASCII字母，然后逐个列出剩余的字母。

- ruakh

---

坏消息...也许有什么方法只允许这些波兰字符：Ł，Ą，Ś，Ć，Ę？ - Scott

Scott，如果你想允许一小组字符，你可以使用字符类。 - Joey

@Joey，通常我希望额外允许我上面提到的特殊字符。 - Scott

在Javascript正则表达式中，您可以像这样引用Unicode字符：\u0161。例如，这将仅允许可打印的ASCII和Ć： var newtxt = txt.replace(/[^\u0107\u0020-\u007e]/g, '')。 您的字符的Unicode代码可以在此处找到：http://www.fileformat.info/info/unicode/char/107/index.htm - DamirR

@DamirR：多么奇怪的评论。/\u0107/等同于/Ć/；你为什么要选择前者呢？ - ruakh

@ruakh：生活充满了奇怪的时刻。 :) 为了让/Ć/正常工作，你必须将js文件保存为UTF-8格式。有时，其他人可能会使用、更改、保存你的代码，并且他们可能会使用其他编码（例如iso-8859-1）。因此，/Ć/将无法正确保存，脚本也将无法正常工作。如果你使用/\u0107/，这种错误就可以避免。 - DamirR

Answer 3

截至ES2015，JavaScript支持/u。请参见：

• https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/RegExp/unicode
• https://www.ecma-international.org/ecma-262/6.0/#sec-get-regexp.prototype.unicode

- Futago-za Ryuu

---

目前并非所有浏览器都支持此功能。 - Poul Bak

@PoulBak 根据Mozilla文档的说明，除非他们弄错了，否则所有主流浏览器都支持它。 - Futago-za Ryuu

一些版本的Edge会崩溃，如果你使用它，但我认为这已经被修复了，所以你可能是正确的（没有人再使用IE了）。 - Poul Bak