当源包含 unicode 字符时，Swift 正则表达式匹配失败

Question

我正在尝试使用 NSRegularExpression 进行简单的正则表达式匹配，但是当源包含多字节字符时，我在匹配字符串时遇到了一些问题：

let string = "D 9"

// The following matches (any characters)(SPACE)(numbers)(any characters)
let pattern = "([\\s\\S]*) ([0-9]*)(.*)"

let slen : Int = string.lengthOfBytesUsingEncoding(NSUTF8StringEncoding)

var error: NSError? = nil

var regex = NSRegularExpression(pattern: pattern, options: NSRegularExpressionOptions.DotMatchesLineSeparators, error: &error)

var result = regex?.stringByReplacingMatchesInString(string, options: nil, range: NSRange(location:0,
length:slen), withTemplate: "First \"$1\" Second: \"$2\"")

上面的代码按预期返回“D”和“9”

如果我现在将第一行更改为包含英国“英镑”货币符号，如下所示：

let string = "£ 9"

然后匹配不起作用，即使表达式的 ([\\s\\S]*) 部分仍应匹配 任何 个前导字符。

我知道£ 符号将占用两个字节，但通配符前导匹配应该忽略那些不应该的吗？

谁能解释一下这里发生了什么？

Answer 1

这可能会令人困惑。 stringByReplacingMatchesInString()的第一个参数是从NSString映射到的 Objective-C 到 String 在 Swift 中，但 range: 参数仍然是 一个NSRange。因此，您必须以单位指定范围 NSString 使用（即 UTF-16 码位的数量）：

var result = regex?.stringByReplacingMatchesInString(string,
        options: nil,
        range: NSRange(location:0, length:(string as NSString).length),
        withTemplate: "First \"$1\" Second: \"$2\"")

您也可以使用count(string.utf16) 而不是(string as NSString).length。

完整示例：

let string = "£ 9"

let pattern = "([\\s\\S]*) ([0-9]*)(.*)"
var error: NSError? = nil
let regex = NSRegularExpression(pattern: pattern,
        options: NSRegularExpressionOptions.DotMatchesLineSeparators,
        error: &error)!

let result = regex.stringByReplacingMatchesInString(string,
    options: nil,
    range: NSRange(location:0, length:(string as NSString).length),
    withTemplate: "First \"$1\" Second: \"$2\"")
println(result)
// First "£" Second: "9"