regex - 简单的 RegExp 匹配它不应该匹配的内容

Question

这个问题在这里已经有了答案:

how to use alphabets that use multiple unicode points in regex? (1 个回答)

关闭 9天前。

我正在编写一个文本格式化程序，它需要从汉语拼音中清除特殊字符并将其替换为拉丁语对应物。但是我突然发现了这个问题所以，假设我有这个音节

shu

我需要检查它是否包含以下列表中的一个字母:

üǖǘǚǚü̆ǜ

我有一个这样的正则表达式[üǖǘǚǚü̆ǜ]{1}

它不应该匹配简单的“u”，但它匹配。

我该如何解决这个问题？

Answer 1

这些字素中的大多数由多个代码点组成，其中一个是字母“u”。 Unicode 感知正则表达式引擎中的字符类是一类代码点，而不是字素，因此该字符类将匹配其中包含的任何代码点，包括字母“u”。

据我所知，没有任何正则表达式引擎提供像“字形类”这样的东西，所以你唯一的选择是替代(即 ü|ǖ|ǘ|...)。

PS:{1} 是多余的。