站長資訊網首先聲明，本文所有的代碼都是在 ES6 下面運行，ES5需要修改之后才能運行，但是本文沒有涉及到太多的ES6新特性，而且由于v8對u修飾符不支持，最后的實現也基本是用ES5的知識寫的代碼。
最初我只是想記錄下正則表達式用unicode的方式來匹配特殊字符，寫著寫著發現 v8 對 u 修飾符的不支持，又轉而去研究怎么轉換字符串到utf-16的格式，在研究怎么轉換的過程中發現ES5的正則對 unicode 編碼單元 > 0x10000 的字符串不支持，再轉而去實現了一遍對大于 0x10000 的字符串的轉換，特此記錄。
之前有遇到過一個實用正則表達式匹配特殊字符的需求，例如一段文本 ‘ab*cd$你好我也好]nseg$me*ntfaultnhello,world’ ，用戶可以選擇用 * 或者 $ 來分割字符串。
在javascript中， $ 和 * 都是預定義的特殊字符，不能直接寫在正則表達式中，而需要轉義，寫成 /$/ 或者 /*/ 。
我們需要根據用戶的選擇來寫正則表達式，封裝成一個函數就是:
return new RegExp(`\${input}`)
}
這種寫法初看上去很美好，將字符都轉義之后遇到一些特殊的字符可以匹配，然而現實是殘酷的：當用戶輸入的是 n 或者 t 這一類的字符的話，返回的正則表達式為 /n/ 或者 /t/ ,匹配的就是所有的制表符，這就違背了用戶的初衷。
通常有一種寫法就是把所有需要轉義的特殊字符都列出來，然后再逐一匹配，這種寫法很耗費精力，而且可能因為沒有統計到的特殊字符而出現漏匹配的情況。
這個時候unicode就隆重登場了，在 JavaScript 中，我們也可以用unicode來表示一個字符，例如 ‘a’ 可以寫成’u{61}’， ‘你’ 也可以寫成 ‘u{4f60}’。
關于unicode的介紹大家可以看 Unicode與JavaScript詳解
ES5 中提供了 charCodeAt() 方法來返回指定索引處字符的 Unicode 數值，但是 Unicode 編碼單元 > 0x10000 的除外， ES2015 中又增加了一個新的方法 codePointAt() 可以返回大于 0x10000 字符串的數值。返回的數值是十進制的，此時我們還需要通過 toString(16) 轉成16進制。
封裝之后的函數如下
return `\u{${s.codePointAt().toString(16)}}`
}
toUnicode(‘$’) -> ‘u{24}’
重新封裝reg函數為
return new RegExp(`${toUnicode(input)}`, ‘u’)
}
其實寫到這里，我希望是對的，但是很不幸，V8 不支持 RegExp 的 u 修飾符。V8支持的話，寫到這里就應該結束了，沒關系，這里只是提供一種用unicode的方式來轉義特殊字符的思想。
雖然v8不支持u修飾符，作為一個有追求的碼農，當然不能止步于此，我們也可以使用其他方法繼續把這個完善
function toUnicode(s) { var a = `\u${utf(s.charCodeAt(0).toString(16))}` if(s.charCodeAt(1)) a = `${a}\u${utf(s.charCodeAt(1).toString(16))}` return a } function utf(s) { return Array.from('00').concat(Array.from(s)).slice(-4).join('') } // 這里用var而沒有用let聲明，是因為這些代碼直接復制到 chrome 的控制臺下就可以看到執行結果 // 測試一下 // toUnicode('a') --> "u0061" // toUnitcode('��') --> "ud842udfb7" function reg(input) { return new RegExp(`${toUnicode(input)}`) } // 再測試一下 reg('$').test('$') --> true
以上內容就是小編給大家分享的正則表達式之 Unicode 匹配特殊字符
