javascript - Chrome ✗ vs Firefox 中 ES6/Unicode 正则表达式中的逻辑 OR 序列 ✓

Question

考虑以下大量 Unicode 正则表达式(表情符号代表非 ASCII 和额外 BMP 字符):

'🍤🍦🍋🍋🍦🍤'.match(/🍤|🍦|🍋/ug)

Firefox 返回 [ "🍤", "🍦", "🍋", "🍋", "🍦", "🍤"] 🤗。

Chrome 52.0.2743.116 和 Node 6.4.0 都返回 null!它似乎并不关心我是否将字符串放入变量中并执行 str.match(…)，也不关心我是否通过 new RegExp('🍤|🍦| 构建 RegExp 对象。 🍋', 'gu').

(Chrome 只需 ORing 两个 序列即可:'🍤🍦🍋🍋🍦🍤'.match(/🍤|🍦/ug) 也可以。可以使用非 Unicode:'aakkzzkkaa'.match(/aa|kk|zz/ug) 有效。)

我做错了吗？这是 Chrome 错误吗？ ECMAScript compatibility table说我应该可以使用 Unicode 正则表达式。

(PS:本例中使用的三个表情符号只是替身。在我的应用程序中，它们将是任意但不同的字符串。但我想知道 '🍤🍦🍋🍋🍦🍤' .match(/[🍤🍦🍋]/ug) 适用于 Chrome 是否相关？)

---

更新标记为已修复 12 April 2017在 Chromium 和下游(包括 Chrome 和 Node)中。

Answer 1

没有 u 标志，您的正则表达式可以工作，这并不奇怪，因为在 BMP (=no "u") 模式下，它会将 16 位“单位”与 16 位“单位”，即另一个代理对的代理对。

“u”模式下的行为(应该比较代码点而不是单位)看起来确实像 Chrome 错误，同时您可以将每个替代方案包含在一个组中，这似乎工作正常:

m = '🍤🍦🍋🍋🍦🍤'.match(/(🍤)|(🍦)|(🍋)/ug)
console.log(m)

// note that the groups must be capturing!
// this doesn't work:

m = '🍤🍦🍋🍋🍦🍤'.match(/(?:🍤)|(?:🍦)|(?:🍋)/ug)
console.log(m)

这里有一个快速证明，在 u 模式下有两个以上的 SMP 替代方案被破坏:

// insert a whatever range 
// from https://en.wikipedia.org/wiki/Plane_(Unicode)#Supplementary_Multilingual_Plane
var range = '11300-1137F';

range = range.split('-').map(x => parseInt(x, 16))

var chars = [];
for (var i = range[0]; i <= range[1]; i++) {
    chars.push(String.fromCodePoint(i))
}

var str = chars.join('');

while(chars.length) {
    var re = new RegExp(chars.join('|'), 'u')
    if(str.match(re))
        console.log(chars.length, re);
    chars.pop();
}

在 Chrome 中，它只记录最后两个正则表达式(2 和 1 个 alt)。