正则表达式匹配Unicode属性类使用技巧

Unicode 属性类

目前，有一个提案，引入了一种新的类的写法\p{...}和\P{...}，允许正则表达式匹配符合 Unicode 某种属性的所有字符。

1. const regexGreekSymbol = /\p{Script=Greek}/u;
2. regexGreekSymbol.test('π') // true

上面代码中，\p{Script=Greek}指定匹配一个希腊文字母，所以匹配π成功。

Unicode 属性类要指定属性名和属性值。

1. \p{UnicodePropertyName=UnicodePropertyValue}

对于某些属性，可以只写属性名。

1. \p{UnicodePropertyName}

\P{…}是\p{…}的反向匹配，即匹配不满足条件的字符。

注意，这两种类只对 Unicode 有效，所以使用的时候一定要加上u修饰符。如果不加u修饰符，正则表达式使用\p和\P会报错，ECMAScript 预留了这两个类。

由于 Unicode 的各种属性非常多，所以这种新的类的表达能力非常强。

1. const regex = /^\p{Decimal_Number}+$/u;
2. regex.test('????????????????') // true

上面代码中，属性类指定匹配所有十进制字符，可以看到各种字型的十进制字符都会匹配成功。

\p{Number}甚至能匹配罗马数字。

1. // 匹配所有数字
2. const regex = /^\p{Number}+$/u;
3. regex.test('231???') // true
4. regex.test('???') // true
5. regex.test('ⅠⅡⅢⅣⅤⅥⅦⅧⅨⅩⅪⅫ') // true

下面是其他一些例子。

1. // 匹配各种文字的所有字母，等同于 Unicode 版的 \w
2. [\p{Alphabetic}\p{Mark}\p{Decimal_Number}\p{Connector_Punctuation}\p{Join_Control}]
3.  
4. // 匹配各种文字的所有非字母的字符，等同于 Unicode 版的 \W
5. [^\p{Alphabetic}\p{Mark}\p{Decimal_Number}\p{Connector_Punctuation}\p{Join_Control}]
6.  
7. // 匹配所有的箭头字符
8. const regexArrows = /^\p{Block=Arrows}+$/u;
9. regexArrows.test('←↑→↓??↖↗↘↙?????????????') // true