为什么 /[\w-+]/ 是有效的正则表达式，但 /[\w-+]/u 无效？

Question

如果我/[\w-+]/在 Chrome 控制台中输入，它会接受它。我得到一个正则表达式对象，可以像往常一样用来测试字符串。但如果我输入/[\w-+]/u，它会说VM112:1 Uncaught SyntaxError: Invalid regular expression: /[\w-+]/: Invalid character class。

在 Firefox 中，/[\w-+]/工作正常，但如果我/[\w-+]/u在控制台中键入，它只会转到下一行，就好像我键入了不完整的语句一样。如果我尝试通过运行强制它创建正则表达式eval('/[\w-+]/u')，它会告诉我SyntaxError: invalid range in character class。

为什么该u标志会使正则表达式无效？MDN RegExp 文档说u启用了一些 Unicode 功能，但我没有看到任何关于它如何影响字符类范围的信息。

Answer 1

在RegExp 字符集中，连字符减号字符（标准键盘破折号）表示它分隔的两个字符之间的字符代码范围。例外情况是当它被转义 ( \-) 或当它不分隔两个字符时，因为它要么是类的最后一个字符，要么是第一个字符（在反转类的可选插入符号之后）。

字符范围的三个示例：一个简单示例、一个高级示例和一个错误：

• [a-z]非常简单，因为它按照我们期望的方式工作，尽管这实际上是因为字符代码碰巧是连续的。另一种写法是[\x61-\x7a]
• [!-~]一点也不简单，至少在您查看字符映射表并了解到它!是第一个可打印的 ASCII 字符并且~是最后一个（“低位 ASCII”）之前，所以这是“所有可打印的低位 ASCII 字符”的一种说法它相当于[\x21-\x7e]
• [A-z]里面有一个开关盒。您可能不喜欢这个范围接受六个非字母字符（即[\x41-\x7a]）

现在让我们检查一下您的正则表达式/[\w-+]/u。Regex101 有一个信息更丰富的错误：

您无法使用简写转义序列创建范围

由于\w它本身不是一个字符（而是字符的集合），因此相邻的破折号必须按字面意思理解，否则就是错误。当您使用触发/u 标志fullUnicode调用它时，您会进入更严格的模式，因此会出现错误。

"foo".match(/[\w-+]/u)我在 Firefox 64.0 中收到的错误是：

语法错误：字符类转义不能在正则表达式的类范围中使用

这比您得到的错误信息稍微丰富一些，因为它实际上告诉您问题出在转义上（尽管不是为什么它是一个问题）。

根据ECMAScript 2015 的RegExBuiltinExec()逻辑：

17. 如果fullUnicode为true，那么
18. e是输入字符列表的索引，源自S ，由matcher匹配。令eUTF为S中与Input的元素e处的字符相对应的 最小索引。如果e大于或等于Input的长度，则eUTF是S中的代码单元数。
19. 令e为eUTF。

这似乎是明确构建自己的范围解析逻辑。

解决方案是要么转义连字符减号，要么将其放在最后（或第一个）：

/[\w\-+]/u或/[\w+-]/u或/[-\w+]/u。我个人总是把它放在最后。

Answer 2

有一个关于此的报告：V8实现：字符类范围内的unicode属性转义行为是否有意与其他类不同？。

我查看了 V8 源代码（regexp-parser.cc）并发现了这一点：

if (is_class_1 || is_class_2) {
    // Either end is an escaped character class. Treat the '-' verbatim.
    if (unicode()) {
       // ES2015 21.2.2.15.1 step 1.
       return ReportError(CStrVector(kRangeInvalid));
    }

kRangeInvalid是一个保持 的常数Invalid character class。

21.2.2.15.1 步骤 1。

如果A不完全包含一个字符或B不完全包含一个字符，则抛出SyntaxError异常。