javascript - 这个 JavaScript 代码片段似乎没有去除 JavaScript 中的 Unicode 转义字符 - 为什么？

Question

我在我的浏览器中和一些在线 JavaScript 测试人员测试了这个代码片段:

var s = "testing \u0123 one two three";
s = s.replace(/\u[0-9a-fA-F][0-9a-fA-F][0-9a-fA-F][0-9a-fA-F]/g,'');
alert (s);

我希望警报中的结果只是“测试一二三”，但\u0123 所在的位置会出现一个有趣的字符。

我的问题是为什么替换不删除它？

我知道这不是最优雅的正则表达式。但这不是正确的吗？我正在删除反间隙字符，后跟 4 个十六进制字符。或者无论如何都在尝试。

Answer 1

My question is why doesn't the replace strip that out?

因为 /\u[0-9a-fA-F][0-9a-fA-F][0-9a-fA-F][0-9a-fA-F]/g 正则表达式字面匹配 \u 字符串，后跟 4 个十六进制字符。

而在字符串文字中指定的 \u0123 在解析步骤中被视为代码点，因此在运行时的字符串中没有 \u0123 ，但2 个 UTF-16 物理字节。

您真正想要的是类似 [\u0080-\uFFFF]:

> "testing \u0123 one two three".replace(/[\u0080-\uFFFF]/g, '')
"testing  one two three"

该字符集指定所有不属于 ASCII 空间的代码点。

In string literals, regular expression literals, and identifiers, any character (code unit) may also be expressed as a Unicode escape sequence consisting of six characters, namely \u plus four hexadecimal digits.

引用文献:

• http://en.wikipedia.org/wiki/Code_point
• http://es5.github.io/#x6