Unicode 字符的正则表达式范围字符 class 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 RegExp 时，它工作正常。但是，当我在 Dart 中使用此 RegExp 时，出现 Range out of order in character class 错误（请注意，当我尝试使用 JavaScript 中的 RegExp 等价物时，也会发生同样的情况）。

我确定这是一个字符串转义错误，但我找不到问题所在。

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

Answer 1

Unicode 匹配

正如评论中指出的，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 unicode 字符，这将失败，原因有两个。

正则表达式中不能有 unicode 字符。相反，您需要转义它们（例如，通过使用原始字符串）：RegExp(r'\u123').
这仍然行不通，因为现在正则表达式会尝试计算字符串中的每个字符（因此 \、u 等）。这是 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，您需要添加大括号，例如RegExp(r'u\{1f300}'。有关详细信息，请参阅。

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相匹配。请注意，在上面的代码片段中，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，您需要运行字符串中每个字符上的正则表达式，由 字形定义簇。这可以使用 package:characters.

来实现

示例实现可以是 found here。

Unicode 字符的正则表达式范围字符 class 乱序

RegExp Range out of order in character class for Unicode Characters

javascript

regex

unicode

dart

Unicode 匹配

字素簇