正则表达式之 Unicode 匹配特殊字符
首先声明，本文所有的代码都是在ES6下面运行，ES5需要修改之后才能运行，但是本文没有涉及到太多的ES6新特性，而且由于v8对u修饰符不支持，最后的实现也基本是用ES5的知识写的代码。
最初我只是想记录下正则表达式用unicode的方式来匹配特殊字符，写着写着发现v8对u修饰符的不支持，又转而去研究怎么转换字符串到utf-16的格式，在研究怎么转换的过程中发现ES5的正则对unicode编码单元>0x10000的字符串不支持，再转而去实现了一遍对大于0x10000的字符串的转换，特此记录。
之前有遇到过一个实用正则表达式匹配特殊字符的需求，例如一段文本'ab*cd$你好我也好]\nseg$me*ntfault\nhello,world'，用户可以选择用*或者$来分割字符串。
在javascript中，$和*都是预定义的特殊字符，不能直接写在正则表达式中，而需要转义，写成/\$/或者/\*/。
我们需要根据用户的选择来写正则表达式，封装成一个函数就是:
functionreg(input){
returnnewRegExp(`\\${input}`)
}
这种写法初看上去很美好，将字符都转义之后遇到一些特殊的字符可以匹配，然而现实是残酷的：当用户输入的是n或者t这一类的字符的话，返回的正则表达式为/\n/或者/\t/,匹配的就是所有的制表符，这就违背了用户的初衷。
通常有一种写法就是把所有需要转义的特殊字符都列出来，然后再逐一匹配，这种写法很耗费精力，而且可能因为没有统计到的特殊字符而出现漏匹配的情况。
这个时候unicode就隆重登场了，在JavaScript中，我们也可以用unicode来表示一个字符，例如'a'可以写成'\u{61}'，'你'也可以写成'\u{4f60}'。
关于unicode的介绍大家可以看Unicode与JavaScript详解
ES5中提供了charCodeAt()方法来返回指定索引处字符的Unicode数值，但是Unicode编码单元>0x10000的除外，ES2015中又增加了一个新的方法codePointAt()可以返回大于0x10000字符串的数值。返回的数值是十进制的，此时我们还需要通过toString(16)转成16进制。
封装之后的函数如下
functiontoUnicode(s){
return`\\u{${s.codePointAt().toString(16)}}`
}
toUnicode('$')->'\u{24}'
重新封装reg函数为
functionreg(input){
returnnewRegExp(`${toUnicode(input)}`,'u')
}
其实写到这里，我希望是对的，但是很不幸，V8不支持RegExp的u修饰符。V8支持的话，写到这里就应该结束了，没关系，这里只是提供一种用unicode的方式来转义特殊字符的思想。
虽然v8不支持u修饰符，作为一个有追求的码农，当然不能止步于此，我们也可以使用其他方法继续把这个完善
functiontoUnicode(s){
vara=`\\u${utf(s.charCodeAt(0).toString(16))}`
if(s.charCodeAt(1))
a=`${a}\\u${utf(s.charCodeAt(1).toString(16))}`
returna
}
functionutf(s){
returnArray.from('00').concat(Array.from(s)).slice(-4).join('')
}
//这里用var而没有用let声明，是因为这些代码直接复制到chrome的控制台下就可以看到执行结果
//测试一下
//toUnicode('a')-->"\u0061"
//toUnitcode('��')-->"\ud842\udfb7"
functionreg(input){
returnnewRegExp(`${toUnicode(input)}`)
}
//再测试一下
reg('$').test('$')-->true
以上内容就是毛票票小编给大家分享的正则表达式之Unicode匹配特殊字符