为什么我看到这两个几乎相同的 Ruby 正则表达式模式的结果不同，为什么一个匹配我认为它不应该匹配的结果？答案

【问题标题】：Why am I seeing different results for these two nearly identical Ruby regex patterns, and why is one matching what I think it shouldn't?为什么我看到这两个几乎相同的 Ruby 正则表达式模式的结果不同，为什么一个匹配我认为它不应该匹配的结果？
【发布时间】：2012-11-14 10:03:21
【问题描述】：

使用 Ruby 1.9.2，我在 IRB 中有以下 Ruby 代码：

> r1 = /^(?=.*[\d])(?=.*[\W]).{8,20}$/i
> r2 = /^(?=.*\d)(?=.*\W).{8,20}$/i
> a = ["password", "1password", "password1", "pass1word", "password 1"]
> a.each {|p| puts "r1: #{r1.match(p) ? "+" : "-"} \"#{p}\"".ljust(25) + "r2: #{r2.match(p) ? "+" : "-"} \"#{p}\""}

这会产生以下输出：

r1: - "password"         r2: - "password"
r1: + "1password"        r2: - "1password"
r1: + "password1"        r2: - "password1"
r1: + "pass1word"        r2: - "pass1word"
r1: + "password 1"       r2: + "password 1"

1.) 为什么结果不同？

2.) 为什么r1 会匹配字符串 2、3 和 4？ (?=.*[\W]) 前瞻不会导致它失败，因为这些示例中没有任何非单词字符？

【问题讨论】：

您能否尝试匹配/^(?=.*[\d])(?=.*([\W])).{8,20}$/i 并告诉使用捕获组1 中捕获的内容？（恐怕是数字，但你永远不知道）
使用 Ruby 1.9.3-p327 的结果： r1: - "password" r2: - "password" r1: - "1password" r2: - "1password" r1: - "password1" r2: - "password1" r1: - "pass1word" r2: - "pass1word" r1: + "password 1" r2: + "password 1" => ["password", "1password", "password1", "pass1word", "password 1"] 看起来您可能发现了 1.9.2 的错误？
能否在您的问题中包含该问题（为了格式正确）
@ilanberci，我仍然在 1.9.3-p327 中看到相同的确切结果。 gist.github.com/a839ed2b3efdc949b894

标签： ruby regex unicode character-class

【解决方案1】：

这是由于几个正则表达式功能和 Unicode 之间的交互作用造成的。 \W 是所有非单词字符，包括212A - "KELVIN SIGN" K (PDF link) 和017F - "LATIN SMALL LETTER LONG S" ſ (PDF link)。 /i 添加了这两个字符的小写版本，即“普通”k 和 s 字符 (006B - "LATIN SMALL LETTER K" and 0073 "LATIN SMALL LETTER S" (PDF link))。

所以在某些情况下，password 中的 s 被解释为非单词字符。

请注意，这似乎只发生在 \W 属于字符类（即 [\W]）时。此外，我只能在 irb 中重现它，在独立脚本中它似乎可以按预期工作。

请参阅the Ruby bug about this 了解更多信息。

【讨论】：

好收获。没关系，但actual problem 不是ß（折叠成ss），而是017F - LATIN SMALL LETTER LONG S ſ（折叠成单个s）。跨度>
@Pumbaa80 谢谢，这更有意义，我已经更新了答案。我从a different comment on the bug report 中获取了ß。在这种情况下，ß 也会匹配，因为 password 中的双 s，但实际匹配的是单 s，所以它可能是 ſ。
哇，这是一个有趣的功能 :) 感谢您的解释和错误报告的链接。
由于我的正则表达式最终不需要区分大小写，只需关闭该标志就会导致预期的行为。