深入理解 JavaScript 中的 RegExp V flag (Unicode Property Escapes in regular expressions) 如何增强正则表达式的 Unicode 处理能力。

大家好，我是老码农，今天咱们来聊聊 JavaScript 正则表达式中的一个“V”字仇杀队的“V”—— v flag，也叫 Unicode Property Escapes。这玩意儿听起来高大上，但其实是个帮你更好地处理 Unicode 字符的小助手。

开场白：Unicode 的那些事儿

在说v flag 之前，咱们得先简单回顾一下 Unicode。早些年，ASCII 那128个字符还能勉强应付一下英语，但随着互联网全球化，各种语言都冒出来了，ASCII 就歇菜了。Unicode 就是来拯救世界的，它给每个字符都分配了一个唯一的数字，也就是码点（code point）。

但是，Unicode 字符集实在太大了，什么奇奇怪怪的符号都有。光靠 w、d、s 这些简化的字符类，你根本没法精确匹配。比如，你想匹配所有的中文字符，用 w 肯定不行，因为它还会包含英文、数字和下划线。

进入正题：v flag 的闪亮登场

这个时候，v flag 就派上用场了。它允许你在正则表达式中使用 Unicode Property Escapes，也就是用 p{} 和 P{} 这样的语法来匹配具有特定 Unicode 属性的字符。

• p{...}：匹配具有指定属性的字符。
• P{...}：匹配不具有指定属性的字符。

这俩货就像是正则表达式里的魔法咒语，能让你轻松驾驭 Unicode 字符。

v flag 的语法和用法

要使用 v flag，你需要在正则表达式的末尾加上 v。例如：

const regex = /p{Script=Han}+/v; // 匹配一个或多个汉字
const str = "你好世界！";
console.log(regex.test(str)); // 输出: true

注意，v flag 必须和 u flag 共存。这是因为 Unicode Property Escapes 本身就是 Unicode 特性，没有 u flag，JavaScript 就不会把正则表达式中的字符当成 Unicode 码点来处理。

Unicode Property Escapes 的种类

Unicode Property Escapes 分为两大类：

1. General Category Properties（通用类别属性）：描述字符的一般类型，比如字母、数字、标点符号等等。
2. Script Properties（脚本属性）：描述字符所属的文字系统，比如汉字、希腊字母、西里尔字母等等。

1. General Category Properties

General Category Properties 用两个字母的代码表示，例如：

• Lu：大写字母（Uppercase letter）
• Ll：小写字母（Lowercase letter）
• Lt：词首字母大写的字母（Titlecase letter）
• Lm：修饰字母（Modifier letter）
• Lo：其他字母（Other letter）
• Mn：非间距标记（Nonspacing mark）
• Mc：间距组合标记（Spacing combining mark）
• Me：封闭标记（Enclosing mark）
• Nd：十进制数字（Decimal number）
• Nl：字母数字（Letter number）
• No：其他数字（Other number）
• Ps：左括号（Punctuation, open）
• Pe：右括号（Punctuation, close）
• Pi：起始引号（Punctuation, initial quote）
• Pf：结束引号（Punctuation, final quote）
• Pc：连接标点符号（Punctuation, connector）
• Pd：破折号（Punctuation, dash）
• Po：其他标点符号（Punctuation, other）
• Sm：数学符号（Symbol, math）
• Sc：货币符号（Symbol, currency）
• Sk：修饰符号（Symbol, modifier）
• So：其他符号（Symbol, other）
• Zs：空格分隔符（Separator, space）
• Zl：行分隔符（Separator, line）
• Zp：段落分隔符（Separator, paragraph）
• Cc：控制字符（Other, control）
• Cf：格式字符（Other, format）
• Cs：代理对（Other, surrogate）
• Co：私用字符（Other, private use）
• Cn：未分配字符（Other, not assigned）

你可以用 p{General_Category=...} 或者简写形式 p{...} 来使用这些属性。

例如，匹配一个大写字母：

const regex = /p{Lu}/vu; // 注意 vu 的顺序无所谓
console.log(regex.test("A")); // 输出: true
console.log(regex.test("a")); // 输出: false

匹配一个数字：

const regex = /p{Nd}/vu;
console.log(regex.test("1")); // 输出: true
console.log(regex.test("a")); // 输出: false

2. Script Properties

Script Properties 用脚本名称表示，例如：

• Han：汉字
• Latin：拉丁字母
• Greek：希腊字母
• Cyrillic：西里尔字母
• Arabic：阿拉伯字母
• Hebrew：希伯来字母
• Devanagari：梵文

你可以用 p{Script=...} 来使用这些属性。

例如，匹配一个汉字：

const regex = /p{Script=Han}/vu;
console.log(regex.test("你")); // 输出: true
console.log(regex.test("a")); // 输出: false

匹配一个希腊字母：

const regex = /p{Script=Greek}/vu;
console.log(regex.test("α")); // 输出: true
console.log(regex.test("a")); // 输出: false

实战演练：用 v flag 解决实际问题

光说不练假把式，咱们来几个实际的例子。

例子 1：提取字符串中的所有汉字

function extractChinese(str) {
  const regex = /p{Script=Han}/gvu;
  const result = str.match(regex);
  return result ? result.join('') : '';
}

const str = "Hello 你好 世界！123";
console.log(extractChinese(str)); // 输出: 你好世界

例子 2：验证用户输入的用户名是否只包含字母、数字和下划线，并且允许中文

function isValidUsername(username) {
  const regex = /^[wp{Script=Han}]+$/vu;
  return regex.test(username);
}

console.log(isValidUsername("老码农123")); // 输出: true
console.log(isValidUsername("old_coder")); // 输出: true
console.log(isValidUsername("old-coder")); // 输出: false

例子 3：计算字符串中汉字的个数

function countChineseCharacters(str) {
    const regex = /p{Script=Han}/gvu;
    const matches = str.matchAll(regex);
    let count = 0;
    for (const match of matches) {
        count++;
    }
    return count;
}

const str = "你好世界，Hello World!";
console.log(countChineseCharacters(str)); // 输出 4

v flag 的进阶用法

除了直接使用 General Category Properties 和 Script Properties，v flag 还支持一些更高级的用法。

1. Boolean Math (布尔运算)

你可以使用 &（与）、|（或）、~（非）来组合不同的属性。

例如，匹配既是字母又是大写的字符：

const regex = /p{Lu & Letter}/vu; // Letter是Lu, Ll, Lt, Lm, Lo的简称
console.log(regex.test("A")); // 输出: true
console.log(regex.test("a")); // 输出: false
console.log(regex.test("1")); // 输出: false

匹配不是数字的字符：

const regex = /p{~Nd}/vu;
console.log(regex.test("a")); // 输出: true
console.log(regex.test("1")); // 输出: false

2. Binary Properties (二元属性)

有些属性只有两种状态：true 或 false。例如：

• Uppercase：是否为大写字母
• Lowercase：是否为小写字母
• Alphabetic：是否为字母
• Ideographic：是否为表意文字（例如汉字）
• Emoji：是否为表情符号

你可以直接使用这些属性，例如：

const regex = /p{Uppercase}/vu;
console.log(regex.test("A")); // 输出: true
console.log(regex.test("a")); // 输出: false

匹配一个表情符号：

const regex = /p{Emoji}/vu;
console.log(regex.test("😀")); // 输出: true
console.log(regex.test("a")); // 输出: false

3. Unicode Block (Unicode 块)

Unicode 把字符集划分成一个个的块（block），你可以用 p{Block=...} 来匹配特定块中的字符。例如：

• Basic_Latin：基本拉丁字母
• CJK_Unified_Ideographs：CJK 统一表意符号（汉字）
• Greek_and_Coptic：希腊字母和科普特字母

例如，匹配一个基本拉丁字母：

const regex = /p{Block=Basic_Latin}/vu;
console.log(regex.test("a")); // 输出: true
console.log(regex.test("你")); // 输出: false

一些需要注意的点

• 性能问题：虽然 v flag 很强大，但它可能会降低正则表达式的性能，尤其是在处理大量文本时。所以，在性能敏感的场景下，要谨慎使用。
• 浏览器兼容性：v flag 的兼容性还可以，主流浏览器都支持。但是，为了兼容老版本的浏览器，你可能需要使用 Babel 等工具进行转译。
• 属性名称大小写：Unicode Property Escapes 的属性名称是区分大小写的。例如，p{Script=Han} 和 p{script=han} 是不同的。但是为了健壮性, 推荐按照规范来写.
• 短横线和下划线：在属性名称中，短横线 - 和下划线 _ 是等价的。例如，p{General_Category=Lowercase_Letter} 和 p{General-Category=Lowercase-Letter} 是一样的。

总结：v flag 的价值

v flag 就像是正则表达式的瑞士军刀，让你在处理 Unicode 字符时更加得心应手。它可以帮助你：

• 更精确地匹配特定类型的字符。
• 轻松处理各种语言的文本。
• 编写更健壮、更易于维护的正则表达式。

表格总结：v flag 常用属性

属性类型	属性名称	描述	示例
General Category	Lu	大写字母	/p{Lu}/vu.test("A") // true
General Category	Ll	小写字母	/p{Ll}/vu.test("a") // true
General Category	Nd	十进制数字	/p{Nd}/vu.test("1") // true
Script	Han	汉字	/p{Script=Han}/vu.test("你") // true
Script	Latin	拉丁字母	/p{Script=Latin}/vu.test("a") // true
Binary	Uppercase	是否为大写字母	/p{Uppercase}/vu.test("A") // true
Binary	Lowercase	是否为小写字母	/p{Lowercase}/vu.test("a") // true
Binary	Emoji	是否为表情符号	/p{Emoji}/vu.test("😀") // true
Block	Basic_Latin	基本拉丁字母块	/p{Block=Basic_Latin}/vu.test("a") // true
Boolean Math	p{Lu & Alphabetic}	既是大写字母又是字母	/p{Lu & Alphabetic}/vu.test("A") // true
Negation	p{~Nd}	不是数字的字符	/p{~Nd}/vu.test("a") // true

结束语：拥抱 Unicode，拥抱 v flag

Unicode 已经成为互联网世界的基石，掌握 Unicode Property Escapes 是每个 JavaScript 开发者必备的技能。v flag 就像一把钥匙，打开了 Unicode 的宝藏，让你在处理文本时更加游刃有余。希望今天的讲座能帮助你更好地理解和使用 v flag，在你的编程之路上更上一层楼！

好了，今天的分享就到这里，感谢大家的观看，我们下次再见！