ruby - 为什么我会看到这两个几乎相同的 Ruby 正则表达式模式的不同结果，为什么一个匹配我认为不应该匹配的内容？

Question

使用 Ruby 1.9.2，我在 IRB 中有以下 Ruby 代码:

> r1 = /^(?=.*[\d])(?=.*[\W]).{8,20}$/i
> r2 = /^(?=.*\d)(?=.*\W).{8,20}$/i
> a = ["password", "1password", "password1", "pass1word", "password 1"]
> a.each {|p| puts "r1: #{r1.match(p) ? "+" : "-"} \"#{p}\"".ljust(25) + "r2: #{r2.match(p) ? "+" : "-"} \"#{p}\""}

这会产生以下输出:

r1: - "password"         r2: - "password"
r1: + "1password"        r2: - "1password"
r1: + "password1"        r2: - "password1"
r1: + "pass1word"        r2: - "pass1word"
r1: + "password 1"       r2: + "password 1"

1.) 为什么结果不同？

2.) 为什么 r1 匹配字符串 2、3 和 4？ (?=.*[\W]) 前瞻是否会导致它失败，因为这些示例中没有任何非单词字符？

Answer 1

这是由几个正则表达式功能和 Unicode 之间的相互作用产生的。 \W都是非单词字符，包括212A - "KELVIN SIGN" K (PDF link)和 017F - "LATIN SMALL LETTER LONG S" ſ (PDF link) . /i 添加了这两者的小写版本，它们是“正常的”k 和 s 字符(006B - "LATIN SMALL LETTER K" and 0073 "LATIN SMALL LETTER S" (PDF link))。

所以在某些情况下，password 中的 s 被解释为非单词字符。

请注意，这似乎只发生在 \W 属于字符类(即 [\W])时。此外，我只能在 irb 中重现它，在独立脚本中它似乎按预期工作。

参见 the Ruby bug about this获取更多信息。