为什么 /[\w-+]/ 是一个有效的正则表达式，但 /[\w-+]/u 无效？答案

【问题标题】：Why is /[\w-+]/ a valid regex but /[\w-+]/u invalid?为什么 /[\w-+]/ 是一个有效的正则表达式，但 /[\w-+]/u 无效？
【发布时间】：2019-06-09 20:08:33
【问题描述】：

如果我在 Chrome 控制台中输入 /[\w-+]/，它会接受它。我得到了一个正则表达式对象，我可以像往常一样使用它来测试字符串。但是如果我输入/[\w-+]/u，它会显示VM112:1 Uncaught SyntaxError: Invalid regular expression: /[\w-+]/: Invalid character class。

在 Firefox 中，/[\w-+]/ 可以正常工作，但如果我在控制台中输入 /[\w-+]/u，它只会转到下一行，就好像我输入了一个不完整的语句一样。如果我试图通过运行eval('/[\w-+]/u') 强制它创建正则表达式，它会告诉我SyntaxError: invalid range in character class。

为什么u 标志会使正则表达式无效？ MDN RegExp documentation 说 u 启用了一些 Unicode 功能，但我没有看到它如何影响字符类中的范围。

【问题讨论】：

u 修饰符使正则表达式引擎以更严格的方式解析正则表达式。所有不必转义的字符都不能转义，而那些必须转义的字符。必须避免所有歧义。
好的，所以ECMA-262，第 570 页，注 3，说“- 字符可以按字面处理，也可以表示一个范围。如果它是第一个或ClassRanges 的最后一个字符，范围规范的开始或结束限制，或紧跟范围规范"。
并且：ClassRanges 可以扩展为单个 ClassAtom 和/或由破折号分隔的两个 ClassAtom 的范围。在后一种情况下，ClassRanges 包括第一个 ClassAtom 和第二个 ClassAtom 之间的所有字符，包括在内； 如果 ClassAtom 不代表单个字符（例如，如果一个字符是 \w）或如果第一个 ClassAtom 的字符值大于第二个 ClassAtom 的字符值，则会发生错误。 (link)
@WiktorStribiżew，您的引用似乎解释了为什么正则表达式会导致错误。但我没有看到任何关于为什么错误只发生在 u 标志上的任何信息。
我希望 Mathias Bynens 能来分享他的想法。

标签： javascript regex unicode character-class

【解决方案1】：

在RegExp character set 中，hyphen-minus 字符（您的标准键盘破折号）表示它分隔的两个字符之间的字符代码范围。例外情况是它被转义 (\-) 或它没有分隔两个字符，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）。

字符范围的三个例子：一个简单的例子，一个高级的例子，一个bug：

[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恰好是连续的。另一种写法是[\x61-\x7a]
[!-~] 一点也不简单，至少在您查看字符映射并了解 ! 是第一个可打印的 ASCII 字符而 ~ 是最后一个（“较低的 ASCII”）之前，这是一种方法说“所有可打印的低 ASCII 字符”，它相当于 [\x21-\x7e]
[A-z] 里面有一个开关盒。你可能不喜欢这个范围接受六个非字母字符（即[\x41-\x7a]）

现在让我们检查您的正则表达式 /[\w-+]/u Regex101 有一个信息量更大的错误：“您无法使用速记转义序列创建范围”

由于\w 本身不是一个字符（而是一个字符的集合），因此必须按字面理解相邻的破折号，否则会出错。当您使用/u flag 调用它以触发fullUnicode 时，您会进入更严格的模式，因此会出现错误。

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

SyntaxError: character class escape cannot be used in class range in regular expression

这比您得到的错误信息略多一些，因为它实际上告诉您问题出在转义上（尽管不是问题的原因）。

根据ECMAScript 2015's RegExBuiltinExec() logic：

如果 fullUnicode 为 true，则

e 是 Input 字符列表的索引，源自 S，由 matcher 匹配。让 eUTF 成为 S 中对应于 Input 的元素 e 处的字符的最小索引。如果e大于等于Input的长度，那么eUTF就是S中的码元个数。时间>

让 e 为 eUTF。

这似乎是在明确构建自己的范围解析逻辑。

解决方案要么转义你的连字符减号，要么把它放在最后（或第一个）：

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

【讨论】：

【解决方案2】：

对此有报告：V8 implementation: does unicode property escapes behavior in character classes range differ from other classes intentionally?。

我查看了 V8 源代码 (regexp-parser.cc) 发现了这个：

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 是一个包含Invalid character class 的常量。

21.2.2.15.1 step 1.

如果A 不包含一个字符或B 不包含正好一个字符，抛出一个SyntaxError 异常。

【讨论】：