JavaScript正则表达式\b和国际字符的问题

Question

我在进行简单的正则表达式匹配时遇到了很多问题。

我有一个包含重音符号的字符串（这只是一个示例）"Botó Entrepà Nadó Facebook!"，我想使用来自另一个列表的单词来匹配单词。

这是我的代码的简化版本。例如，要匹配"Botó"。

var matchExpr = new RegExp ('\\b' + 'Botó' + '\\b','i'); 
"Botó Entrepà Nadó Facebook! ".match(matchExpr);

如果我运行它，它不会像预期的那样匹配"Botó" （在Firefox、IE和Chrome中）。

我以为这是我的错误。但是接下来就有趣了...

如果我像这样修改字符串 "Botón Entrepà Nadó Facebook! " （注意 "Botó" 后面的 "n"），然后再运行相同的代码：

var matchExpr = new RegExp ('\\b' + 'Botó' + '\\b','i'); 
"Botón Entrepà Nadó Facebook! ".match(matchExpr);

它匹配了 "Botó"!!!!????? （至少在Firefox中）。 对我来说，这没有意义，因为"n"不是一个单词边界（与\b匹配的内容）。

如果你尝试匹配整个单词：

var matchExpr = new RegExp ('\\b' + 'Botón' + '\\b','i'); 
"Botón Entrepà Nadó Facebook! ".match(matchExpr);

它有效。

为了让它变得更加奇怪，我们在末尾添加另一个带重音的字母。

var matchExpr = new RegExp ('\\b' + 'Botóñ' + '\\b','i'); 
"Botóñ Entrepà Nadó Facebook! ".match(matchExpr);

如果我们尝试匹配这个，它将不会匹配任何内容。但是，如果我们尝试这样：

var matchExpr = new RegExp ('\\b' + 'Botóñ' + '\\b','i'); 
"Botóña Entrepà Nadó Facebook! ".match(matchExpr);

它匹配了 "Botóñ"，但这是错误的。

如果我们尝试匹配 "Facebook"，则正常工作。 如果你尝试匹配中间带有重音符号的单词，它也能正常工作。 但如果您尝试匹配以重音符号结尾的单词，则失败。

我做错了什么？这是预期的行为吗？

- JLP

Answer 1

很遗憾，Javascript中的简写字符类不支持Unicode（甚至不支持高ASCII）。请参考这个问题的答案：Javascript + Unicode。该问题链接的文章JavaScript, Regex, and Unicode指出，\b定义为单词边界，其定义如下：

→ 单词字符 — 仅包括A-Z、a-z、0-9和_字符。
→ 单词边界 — 单词字符与非单词字符之间的位置。

因此，它可以匹配以A-Z，a-z，0-9和_结尾的单词，但无法匹配以重音符结尾的单词。

- David Fullerton

---

因此，它将适用于以重音结尾的单词，但不适用于以重音结尾的单词。 - Felix Kling

在Chromium中，至少.toUpperCase()和.toLowerCase()似乎相当友好于Unicode，因此在理论上，c.toUpperCase()！= c || c.toLowerCase()！= c应该为“带大小写字母的字母表”的成员字符测试为真（这仍然不包括所有“单词边界”）。是否有一些官方的主要列表或数据库可以确定哪些Unicode字形应被视为字母？ - Lori

Answer 2

来自于ES3规范:

内部辅助函数IsWordChar接收一个整型参数e并执行以下操作:

1. If e == –1 or e == InputLength, return false.
2. Let c be the character Input[e].

3. If c is one of the sixty-three characters in the table below, return true.

   a b c d e f g h i j k l m n o p q r s t u v w x y z
   A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
   0 1 2 3 4 5 6 7 8 9 _
   

4. Return false.

"IsWordChar()"是内部（可能是假设的）函数，它是"\b"断言行为的基础。

编辑-在ES5中也没有改善。

- Pointy