为什么 Unicode 表情符号属性转义匹配数字？

Question

我发现了这种使用正则表达式检测表情符号的绝妙方法，该正则表达式不使用 Unicode property escape:

console.log(/\p{Emoji}/u.test('flowers ')) // true
console.log(/\p{Emoji}/u.test('flowers')) // false

但是当我分享这个知识时 in this answer，@Bronzdragon 注意到 \p{Emoji} 也匹配数字！这是为什么？数字不是表情符号？

console.log(/\p{Emoji}/u.test('flowers 123')) // unexpectdly true

// regex-only workaround by @Bonzdragon
const regex = /(?=\p{Emoji})(?!\p{Number})/u;
console.log(
  regex.test('flowers'), // false, as expected
  regex.test('flowers 123'), // false, as expected
  regex.test('flowers 123 '), // true, as expected
  regex.test('flowers '), // true, as expected
)

// more readable workaround
const hasEmoji = str => {
  const nbEmojiOrNumber = (str.match(/\p{Emoji}/gu) || []).length;
  const nbNumber = (str.match(/\p{Number}/gu) || []).length;
  return nbEmojiOrNumber > nbNumber;
}
console.log(
  hasEmoji('flowers'), // false, as expected
  hasEmoji('flowers 123'), // false, as expected
  hasEmoji('flowers 123 '), // true, as expected
  hasEmoji('flowers '), // true, as expected
)

Answer 1

根据 this post，digitis，#，*，ZWJ 和其他一些字符包含 Emoji 属性设置为是，这意味着 数字被认为是有效的表情符号字符:

0023          ; Emoji_Component      #  1.1  [1] (#️)       number sign
002A          ; Emoji_Component      #  1.1  [1] (*️)       asterisk
0030..0039    ; Emoji_Component      #  1.1 [10] (0️..9️)    digit zero..digit nine
200D          ; Emoji_Component      #  1.1  [1] (‍)        zero width joiner
20E3          ; Emoji_Component      #  3.0  [1] (⃣)       combining enclosing keycap
FE0F          ; Emoji_Component      #  3.2  [1] ()        VARIATION SELECTOR-16
1F1E6..1F1FF  ; Emoji_Component      #  6.0 [26] (..)    regional indicator symbol letter a..regional indicator symbol letter z
1F3FB..1F3FF  ; Emoji_Component      #  8.0  [5] (..)    light skin tone..dark skin tone
1F9B0..1F9B3  ; Emoji_Component      # 11.0  [4] (..)    red-haired..white-haired
E0020..E007F  ; Emoji_Component      #  3.1 [96] (..)      tag space..cancel tag

例如，1是一个数字，但与U+FE0F和U+20E3字符组合后就变成了表情符号：1️⃣:

console.log("1\uFE0F\u20E3 2\uFE0F\u20E3 3\uFE0F\u20E3 4\uFE0F\u20E3 5\uFE0F\u20E3 6\uFE0F\u20E3 7\uFE0F\u20E3 8\uFE0F\u20E3 9\uFE0F\u20E3 0\uFE0F\u20E3")

如果要避免匹配数字，请使用 Extended_Pictographic Unicode 类别 class:

The Extended_Pictographic characters contain all the Emoji characters except for some Emoji_Components.

因此，您可以使用 /\p{Extended_Pictographic}/gu 来匹配大多数表情符号，或者 /\p{Extended_Pictographic}/u 来测试单个表情符号，或者使用 /[\p{Extended_Pictographic}\u{1F3FB}-\u{1F3FF}\u{1F9B0}-\u{1F9B3}]/u 来匹配表情符号和浅色皮肤深色皮肤模式字符和 red-haired 到 white-haired 个字符：

const regex_emoji = /[\p{Extended_Pictographic}\u{1F3FB}-\u{1F3FF}\u{1F9B0}-\u{1F9B3}]/u;
console.log( regex_emoji.test('flowers 123') );     // => false
console.log( regex_emoji.test('flowers ') ); // => true

为什么 Unicode 表情符号属性转义匹配数字？

Why do Unicode emoji property escapes match numbers?

javascript

regex

emoji

为什么 Unicode 表情符号 属性 转义匹配数字？

Why do Unicode emoji property escapes match numbers?

javascript

regex

emoji

为什么 Unicode 表情符号属性转义匹配数字？