Unicode 字符的字符类中的 RegExp 范围乱序

Question

我有这个正则表达式：

RegExp(r'[\u{1f300}-\u{1f5ff}\u{1f900}-\u{1f9ff}\u{1f600}-\u{1f64f}\u{1f680}-\u{1f6ff}\u{2600}-\u{26ff}\u{2700}-\u{27bf}\u{1f1e6}-\u{1f1ff}\u{1f191}-\u{1f251}\u{1f004}\u{1f0cf}\u{1f170}-\u{1f171}\u{1f17e}-\u{1f17f}\u{1f18e}\u{3030}\u{2b50}\u{2b55}\u{2934}-\u{2935}\u{2b05}-\u{2b07}\u{2b1b}-\u{2b1c}\u{3297}\u{3299}\u{303d}\u{00a9}\u{00ae}\u{2122}\u{23f3}\u{24c2}\u{23e9}-\u{23ef}\u{25b6}\u{23f8}-\u{23fa}\u{200d}]');

当我在https://regex101.com 上使用这个正则表达式时，它正在工作。但是当我在 Dart 中使用这个 RegExp 时，我得到了一个 Range out of order in character class 错误（请注意，当我在 JavaScript 中使用 RegExp 等效项时也会发生同样的情况）。

我很确定这是一个字符串转义错误，但我找不到问题。

我已经在 Dart (r'...') 中尝试了一个原始字符串，转义了 \u{1f300} 中的 \ → \\u{1f300}，但是，两者都不起作用。

Answer 1

Unicode 匹配

正如 cmets 中所指出的，匹配 unicode 字符需要正则表达式中的 unicode flag。

如果您尝试使用 RegExp('\u123') 简单地匹配一个 unicode 字符，这将失败，原因有两个。

1. 您不能在正则表达式中包含 unicode 字符。相反，您需要转义它们（例如，使用原始字符串）：RegExp(r'\u123')。
2. 这仍然不起作用，因为现在正则表达式尝试评估字符串中的每个字符（如\、u 等）。这就是unicode flag 发挥作用的地方：RegExp('\u123', unicode: true)。

请注意，对于 3 字节的 unicode 字符，您需要添加花括号，例如RegExp(r'u\{1f300}'。请参阅this question 了解更多信息。

---

这意味着您的最终正则表达式应如下所示：

RegExp(
  r'[\u{1f300}-\u{1f5ff}\u{1f900}-\u{1f9ff}\u{1f600}-\u{1f64f}'
  r'\u{1f680}-\u{1f6ff}\u{2600}-\u{26ff}\u{2700}'
  r'-\u{27bf}\u{1f1e6}-\u{1f1ff}\u{1f191}-\u{1f251}'
  r'\u{1f004}\u{1f0cf}\u{1f170}-\u{1f171}\u{1f17e}'
  r'-\u{1f17f}\u{1f18e}\u{3030}\u{2b50}\u{2b55}'
  r'\u{2934}-\u{2935}\u{2b05}-\u{2b07}\u{2b1b}'
  r'-\u{2b1c}\u{3297}\u{3299}\u{303d}\u{00a9}'
  r'\u{00ae}\u{2122}\u{23f3}\u{24c2}\u{23e9}'
  r'-\u{23ef}\u{25b6}\u{23f8}-\u{23fa}\u{200d}]+',
  unicode: true,
);

字素簇

您可能遇到的另一个问题是，您将无法将跨越多个字符的表情符号与初始正则表达式匹配。请注意，在上面的 sn-p 中，我在末尾添加了一个 + 以匹配跨越多个字符的表情符号。

现在为了匹配单个表情符号，您需要对字符串中的每个单个 字符 运行正则表达式，由 grapheme clusters 定义。这可以使用package:characters 来实现。

一个示例实现可以是found here。