正则表达式 unicode 在 swift 中不起作用

Question

let regex1 = "(\ud83d\udc68)"
let regex2 = "(\ud83d[\udc68-\udc69])"

"".capturedGroupsFull(forRegex: regex1)
// returns 1 match: [(.0 "", .1 {0, 2})]
"".capturedGroupsFull(forRegex: regex2)
// returns nil

为什么第一行 return 匹配一个而第二行不匹配？

两个正则表达式在 regex101 上都能正常工作（例如设置为 javascript 并将第二个正则表达式用作 (\ud83d[\udc68-\udc69]))。
我是使用 Swift 4.0.
这个正则表达式 "(\ud83d[\udc68])" 也将 return nil 在 Playground 中测试时。

您可以在下面找到我用来检索匹配项的完整代码。

extension String {
    func capturedGroupsFull(forRegex regex: String) -> [(String, NSRange)]? {
        let expression: NSRegularExpression
        do {
            expression = try NSRegularExpression(pattern: regex, options: [.caseInsensitive])
        } catch {
            return nil
        }
        let nsString = self as NSString
        let matches = expression.matches(in: self, options: [], range: NSRange(location:0, length: nsString.length))
        guard let match = matches.first else { return nil }
        var results = [(String, NSRange)]()
        for match in matches {
            let range = match.range
            let matchedString = nsString.substring(with: range)
            results.append((matchedString, range))
        }
        return results
    }
}

Answer 1

为什么第一行返回一个匹配而第二行没有匹配？

如前所述，NSRegularExpression 适用于 Unicode 代码点，而（正常）JavaScript 正则表达式适用于 UTF-16 代码单元。

某些模式，如 "\ud83d\udc68"，由有效的代理对组成，可能会优化为单个 Unicode 代码点 U+1F468，但此功能不是 well-documented，因此您应该不要依赖它，正如您在示例 "(\ud83d[\udc68])".

中所见

我建议不要对 \uhhhh 使用代理对，但对 non-BMP 个字符使用 \UHHHHHHHH（或 \x{hhhh}）。

let regex1 = "(\U0001F468)" //or "(\x{1F468})"
let regex2 = "([\U0001F468-\U0001F469])" // or "([\x{1F468}-\x{1F469}])"

"".capturedGroupsFull(forRegex: regex1)
// -> [(.0 "", .1 {0, 2})]
"".capturedGroupsFull(forRegex: regex2)
// -> [(.0 "", .1 {0, 2})]

最近 JavaScript 正则表达式接受 u 选项以使其与 Unicode 代码点一起使用，试试这些：

/(\u{1F468})/u
/([\u{1F468}-\u{1F469}])/u

您可以使用 JavaScript 语法轻松测试您的正则表达式模式，并将其转换为 NSRegularExpression 语法，将 \u 替换为 \x（并删除 /和 /u).

正则表达式 unicode 在 swift 中不起作用

regular expression unicode does not work in swift

regex

unicode

emoji

nsregularexpression

swift