Unicode 支持决定了正则表达式是否能可靠处理多语言文本。本篇将带你了解 Unicode 模式、常见陷阱以及在主流语言中的实践方式。

为什么需要 Unicode 模式

传统的正则表达式基于 ASCII 字符集设计，对中文、Emoji 或其他多字节字符处理存在局限。启用 Unicode 模式可以获得：

• 完整的字符属性匹配（如数字、标点、字母等分类）。
• 正确的字符边界计算，避免拆分代理对或组合字符。
• 特定脚本（Script）的识别能力，例如阿拉伯文、日文假名等。

JavaScript 中的 Unicode 标志