Unicode转义\\p{...}使用详解

Unicode 属性转义 `\p{...}` 是 ES2018 引入的强大正则特性，让开发者能以语义化、跨语言友好的方式精准匹配汉字（`\p{sc=Han}`）、希腊字母（`\p{sc=Greek}`）、阿拉伯文字等各类 Unicode 字符，彻底摆脱生硬的码点范围（如 `[\u4e00-\u9fa5]`）和维护困难的手动枚举；它依赖 `/u` 标志，在现代浏览器和 Node.js 10+ 环境中开箱即用，支持脚本（Script）、通用类别（General_Category）及布尔逻辑组合（如 `|`、`\P{...}`），不仅能轻松提取混合文本中的多语种字符，还能构建“纯汉字校验”等高精度规则——真正让正则表达式读懂世界语言。

Unicode 属性转义 \\p{...} 是 ECMAScript 2018（ES9）引入的正则特性，能按 Unicode 脚本（Script）、通用类别（General_Category）等语义化方式匹配字符，比单纯用 [\u4e00-\u9fa5] 或 [α-ωΑ-Ω] 更准确、可维护、跨语言友好。

确认环境支持

该语法需运行在支持 ES2018 的环境中：

• 现代浏览器（Chrome 64+、Firefox 78+、Safari 11.1+、Edge 79+）
• Node.js 10.0+（需启用 --harmony-unicode-regex 的旧版本已过时；Node.js 12+ 默认启用）
• 使用前建议加 u 标志（/.../u），否则 \\p{...} 会报错

匹配常见脚本：汉字、希腊字母、阿拉伯数字等

脚本名用 Script=... 或简写 sc=...。常用值包括：

• \\p{Script=Han} 或 \\p{sc=Han}：匹配所有汉字（含中日韩统一汉字，如“你”“漢”“한”）
• \\p{Script=Greek} 或 \\p{sc=Greek}：匹配希腊字母（如 α, β, Γ, Ω），不含带变音符号的扩展希腊字符（需加 \\p{scx=Greek} 才包含）
• \\p{Script=Arabic}：匹配阿拉伯文字（ا، ب، ت…）
• \\p{Script=Latin}：匹配基本拉丁字母（a–z, A–Z）及带重音的扩展拉丁字符（à, ñ, ç 等）
• \\p{Script=Common}：匹配通用字符，如数字 0–9、标点 .,!?-、ASCII 空格等（注意：数字本身属于 Common 脚本，不是 Latin）

示例：提取一段混合文本中的所有汉字和希腊字母

const text = "Hello 世界 αβΓ 123 你好！";
const regex = /\\p{sc=Han}|\\p{sc=Greek}/gu;
console.log(text.match(regex)); // ["世", "界", "α", "β", "Γ", "你", "好"]

组合与排除：精准控制匹配范围

可用 Unicode 布尔逻辑组合属性：

• \\p{sc=Han}\\p{sc=Greek}：匹配同时属于两个脚本的字符（极少，通常为空）
• \\p{sc=Han}|\\p{sc=Greek}：匹配任一（推荐用竖线 | 实现“或”）
• \\P{sc=Latin}：大写 P 表示“非”，匹配所有**非拉丁脚本**的字符（含汉字、西里尔、平假名等）
• \\p{sc=Han}&\\p{Number}：交集（需用 &，但仅部分引擎支持；V8 和最新 SpiderMonkey 支持，但兼容性不如 | 稳定）

实用技巧：匹配“纯汉字字符串”（不含空格、标点、英文字母）

const isAllHan = /^\\p{sc=Han}+$/u;
isAllHan.test("你好");     // true
isAllHan.test("你好!");    // false（! 属于 Common）
isAllHan.test("hello");    // false

注意边界与常见陷阱

避免踩坑的关键点：

• 汉字不等于“中文”——\\p{sc=Han} 包含日文汉字（漢字）、韩文汉字（漢字），也包含古汉字、部首、康熙字典部件（如 ⿰、⺁）
• 希腊字母 ≠ 希腊语单词——单个 α 可匹配，但 από 中的 π 和 ό 也都属 Greek 脚本；若要匹配整个希腊词，需加词边界 \\b 或结合其他逻辑
• 数字和标点属于 Common 脚本，不是 Latin；想匹配“带重音的拉丁字母 + 数字”，应写 \\p{sc=Latin}|\\p{sc=Common} 并过滤掉标点（或改用 \\p{Letter}|\\p{Nd}）
• 某些字符有多个脚本归属（如欧元符号 € 属于 Common；罗马数字Ⅻ属 Latin），需查 Unicode Scripts.txt 确认

到这里，我们也就讲完了《Unicode转义\\p{...}使用详解》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！