Unicode: 旗標「u」和類別 \p{...}

JavaScript 使用 Unicode 編碼編碼字串。大多數字元使用 2 個位元組編碼，但這最多只能表示 65536 個字元。

這個範圍不足以編碼所有可能的字元，因此一些罕見的字元使用 4 個位元組編碼，例如 𝒳（數學 X）或 😄（笑臉）、一些象形文字等等。

以下是某些字元的 Unicode 值

因此，像 a 和 ≈ 等字元佔用 2 個位元組，而 𝒳、𝒴 和 😄 的碼則較長，它們有 4 個位元組。

很久以前，在 JavaScript 語言被建立時，Unicode 編碼較為簡單：沒有 4 位元組字元。因此，某些語言功能仍會錯誤處理它們。

例如，length 認為這裡有兩個字元

alert('😄'.length); // 2
alert('𝒳'.length); // 2

…但我們可以看到只有一個，對吧？重點是 length 將 4 個位元組視為兩個 2 位元組字元。這是錯誤的，因為它們必須一起考慮（所謂的「代理對」，您可以在文章字串中閱讀它們）。

預設情況下，正規表示式也會將 4 位元組「長字元」視為一對 2 位元組字元。而且，就像字串一樣，這可能會導致奇怪的結果。我們稍後會在文章集合和範圍 [...] 中看到這一點。

與字串不同，正規表示式有旗標 u，可以解決此類問題。使用此旗標，正規表示式可以正確處理 4 位元組字元。Unicode 屬性搜尋也會變為可用，我們稍後會了解它。

Unicode 屬性 \p{…}

Unicode 中的每個字元都有很多屬性。它們描述字元屬於哪個「類別」，並包含有關它的其他資訊。

例如，如果一個字元具有 Letter 屬性，表示該字元屬於任何語言的字母表。而 Number 屬性表示它是一個數字：可能是阿拉伯數字或中文數字，依此類推。

我們可以使用屬性搜尋字元，寫成 \p{…}。若要使用 \p{…}，正規表示式必須有旗標 u。

例如，\p{Letter} 表示任何語言的字母。我們也可以使用 \p{L}，因為 L 是 Letter 的別名。幾乎每個屬性都有較短的別名。

在下面的範例中，將找到三種字母：英文、喬治亞文和韓文。

let str = "A ბ ㄱ";

alert( str.match(/\p{L}/gu) ); // A,ბ,ㄱ
alert( str.match(/\p{L}/g) ); // null (no matches, \p doesn't work without the flag "u")

以下是主要的字元類別及其子類別

因此，例如，如果我們需要小寫字母，我們可以寫 \p{Ll}，標點符號：\p{P} 等。

還有其他衍生類別，例如

字母（Alpha），包括字母 L，加上字母數字 Nl（例如 Ⅻ – 羅馬數字 12 的字元），加上一些其他符號 其他字母（OAlpha）。
十六進制數字包括十六進制數字：0-9、a-f。
…等等。

Unicode 支援許多不同的屬性，其完整清單需要很大的空間，因此以下提供參考

例如，讓我們尋找寫成 xFF 的十六進制數字，其中 F 是十六進制數字（0…9 或 A…F）。

十六進制數字可以用 \p{Hex_Digit} 表示

let regexp = /x\p{Hex_Digit}\p{Hex_Digit}/u;

alert("number: xAF".match(regexp)); // xAF

讓我們尋找中文字形。

有一個 Unicode 屬性 Script（寫作系統），其值可能是：Cyrillic、Greek、Arabic、Han（中文）等，以下是完整清單。

要尋找特定寫作系統中的字元，我們應該使用 Script=<value>，例如對於西里爾字母：\p{sc=Cyrillic}，對於中文字形：\p{sc=Han}，等等

let regexp = /\p{sc=Han}/gu; // returns Chinese hieroglyphs

let str = `Hello Привет 你好 123_456`;

alert( str.match(regexp) ); // 你,好

表示貨幣的字元，例如 $、€、¥，具有 Unicode 屬性 \p{Currency_Symbol}，簡短別名：\p{Sc}。

我們使用它來尋找「貨幣，後接數字」格式的價格

let regexp = /\p{Sc}\d/gu;

let str = `Prices: $2, €1, ¥9`;

alert( str.match(regexp) ); // $2,€1,¥9

稍後，在文章量詞 +, *, ? 和 {n} 中，我們將看到如何尋找包含多個數字的數字。

旗標 u 啟用正規表示式中 Unicode 的支援。

這表示兩件事

使用 Unicode 屬性，我們可以尋找特定語言、特殊字元（引號、貨幣）等等的字詞。