具有多字符 unicode 符号的正则表达式匹配行为
Regex matching behavior with multi-character unicode symbol
我无法理解使用多字符 unicode 符号观察到的一些行为。
以字符串 </code> 和正则表达式 <code>(|)(?![]) 为例，我得到三个匹配项：两个标志和最后一手牌。 预期： 5 场比赛，每个符号一次。
因为 和 都是2个字符符号，我试着写了一个非unicode的例子。使用字符串 abcdabcdab 和正则表达式 (ab|cd)(?![b])，我得到了预期的 5 个匹配项，每对 ab 和 cd 一次。
考虑到 </code> 和 <code> 之间可能存在一些相互作用，我使用了不同的 unicode 字符，给了我正则表达式 (|)(?![]).在这里，我得到了与第一个示例中相同的结果。
由于 </code> 和 <code> 通常不单独使用，我尝试使用“普通”unicode 或 ASCII 字符而不是 </code>。在我的示例中，我使用了 <code> 和 a，这给了我 5 场比赛的预期结果，每个符号一次。
是否有人能够解释这种行为，或者这是一个错误？
此行为仅发生在 PCRE 和 JavaScript 正则表达式引擎中，我使用此站点对其进行了测试。 https://regex101.com/
您不应像 (?![]) 那样将多字节字符放入字符 class 中。在字符 class 内，它被“分解”为两个字节的序列， \uD83C 和 \uDFFE ，匹配其中任何一个，而不是作为序列。由于手表情符号是 \uD83E\uDD1A\uD83C\uDFFE 的序列（以这两个字节结尾），因此触发了前瞻并影响了匹配。
要解决这个问题，你只需要去掉括号并使用(|)(?!)，这样
我无法理解使用多字符 unicode 符号观察到的一些行为。
以字符串 </code> 和正则表达式 <code>(|)(?![]) 为例，我得到三个匹配项：两个标志和最后一手牌。 预期： 5 场比赛，每个符号一次。
因为 和 都是2个字符符号，我试着写了一个非unicode的例子。使用字符串 abcdabcdab 和正则表达式 (ab|cd)(?![b])，我得到了预期的 5 个匹配项，每对 ab 和 cd 一次。
考虑到 </code> 和 <code> 之间可能存在一些相互作用，我使用了不同的 unicode 字符，给了我正则表达式 (|)(?![]).在这里，我得到了与第一个示例中相同的结果。
由于 </code> 和 <code> 通常不单独使用，我尝试使用“普通”unicode 或 ASCII 字符而不是 </code>。在我的示例中，我使用了 <code> 和 a，这给了我 5 场比赛的预期结果，每个符号一次。
是否有人能够解释这种行为，或者这是一个错误？
此行为仅发生在 PCRE 和 JavaScript 正则表达式引擎中，我使用此站点对其进行了测试。 https://regex101.com/
您不应像 (?![]) 那样将多字节字符放入字符 class 中。在字符 class 内，它被“分解”为两个字节的序列， \uD83C 和 \uDFFE ，匹配其中任何一个，而不是作为序列。由于手表情符号是 \uD83E\uDD1A\uD83C\uDFFE 的序列（以这两个字节结尾），因此触发了前瞻并影响了匹配。
要解决这个问题，你只需要去掉括号并使用(|)(?!)，这样 char就可以被当作一个字节序列，不是一个或另一个字符。