正则表达式找不到 '\u2028' unicode 字符答案

【问题标题】：Regex won't find '\u2028' unicode characters正则表达式找不到 '\u2028' unicode 字符
【发布时间】：2010-06-30 05:31:09
【问题描述】：

我们在追踪用户提交的数据中的 \u2028（行分隔符）的来源时遇到了很多麻烦，这会导致 Firefox 中出现“未终止的字符串文字”错误。

因此，我们正在考虑在将其提交到服务器（然后是数据库）之前将其过滤掉。

在大量搜索和阅读其他人的问题之后，很明显我必须在提交到数据库之前过滤掉这些字符。

在编写过滤器之前，我尝试搜索字符以确保它可以使用以下方法找到它：

var index = content.search("/\u2028/");
alert("Index: [" + index + "]");

我每次都得到 -1 作为结果，即使我知道字符在内容变量中（我已通过服务器端的 Java jUnit 测试确认）。

假设 content.replace() 的工作方式与 search() 相同，为了查找和去除这些行分隔符，我是否做错了什么或遗漏了什么？

【问题讨论】：

你的编码是什么？在 HTML 中则不同：fileformat.info/info/unicode/char/2028/index.htm
编码无关紧要，@Peter。 JavaScript \u 转义总是使用十六进制代码点。
谢谢@Matthew。所以基本上通过使用 \u 你可以让 JavaScript 做任何必要的转换。
Unicode 字符全部从 0 到 0x10FFFF（理论最大值）连续编号。代码点只是分配的数字。 JS 字符串文字、该页面的标题等使用它。 UTF-8 将特定的字节序列映射到每个代码点，但这与此处无关。

【解决方案1】：

您的正则表达式语法不正确。使用正则表达式文字时，您只能使用两个正斜杠。它应该只是：

var index = content.search("\u2028");

或：

var index = content.search(/\u2028/); // regex literal

但这真的应该在服务器上完成，如果在任何地方。可以轻松绕过 JavaScript 清理。它只是为了方便用户使用，我认为意外输入行分隔符并不常见。

【讨论】：

@Cyntech：如果你真的需要它成为 RegExp 的一部分：var index = content.search(/\u2028/);（带斜线，但不带引号）。
感谢马修和 TJ。这样就解开了谜底。我还能够成功替换 u2028 字符。但是，我还读到我可能也应该过滤掉 u2029。当我使用 content.replace(/\u2028\u2029/g," "); 时，它不会替换任何内容（甚至不会替换 u2028 字符）。多次搜索的语法是否错误？
其实我想我刚刚解决了... content.replace(/\u2028|\u2029/g, ' ');这是正确的吗？
@Cyntech，通常，对于单个字符，您使用字符类：/[\u2028\u2029]/g。并且不要忘记您也需要在服务器上执行此操作。