Chrome 75正则表达式，“ S”匹配奇怪的unicode范围

Question

我们在最新版本的Chrome（75）上遇到了一个奇怪的错误，该错误将S替换为S

console.log(
  'AZERTYUIOPQSDFGHJKLMWXCVBN'.replace(/[\u00A0-\u9999<>&]/gim, char => `&#${char.charCodeAt(0)};`)
)  

//AZERTYUIOPQSDFGHJKLMWXCVBN

有人知道代码是问题还是Chrome是问题？

Answer 1

已修复75.0.3770.142。

---

您发现了一个有趣的错误：

由于某些原因取决于不相关的字符范围，因此这两个测试是正确的：

> /[\u0178-\u017F]/i.test('s')
true
> /[\u0178-\u017F]/i.test('S')
true

由https://chromium-review.googlesource.com/c/v8/v8/+/1478710（四月）介绍。

https://chromium-review.googlesource.com/c/v8/v8/+/1648098中的修复程序似乎相关，但是带有v8 7.7.27的Canary 77.0.3818.0仍然表现出此行为。这是一个单独的错误：https://crbug.com/971636

引入问题（https://bugs.chromium.org/p/v8/issues/detail?id=8348）的错误讨论了ECMAScript如何区别对待i和u：

• i单独调用toUpperCase，它使用大小写 mapping
• iu调用Unicode大小写折叠

这些稍有不同（尽管有此错误）。

我还发现了似乎是一个不同的错误：

这是一个小的测试用例，尽管v8中的修复程序涉及土耳其的案例折叠：

> text='ſ';
"ſ"
> new RegExp(text, 'i').test(text.toUpperCase())
true
> new RegExp(text, 'i').test('S')
false

它是在同一修订版中引入的，但它不是完全相同的错误。

Answer 2

更改为：

'S'.replace(/[\u00A0-\u017E\u0180-\u9999<>&]/gim, char => `&#${char.charCodeAt(0)};`)

将避免使用\u017F的Unicode字符“拉丁小写字母长S”。这只是一个解决方法。

触发范围的另一端似乎是\u0073，即“拉丁文小写字母S”。

Answer 3

在该间隔中甚至不使用标志i和m，并且您需要使用标志u 将模式视为Unicode代码点的序列。

console.log(
  'AZERTYUIOPQSDFGHJKLMWXCVBN'.replace(/[\u00A0-\u9999<>&]/gu, char => `&#${char.charCodeAt(0)};`)
) 

Answer 4

我在Chrome 75中看到了相同的问题，但在Chrome 74中却没有。通过使用以下正则表达式可以解决此问题：

'AZERTYUIOPQSDFGHJKLMWXCVBN'.replace(/[\u00A0-\u9999<>&]/g, char => `&#${char.charCodeAt(0)};`)

如某些评论中所述，我认为您不需要i，u或m修饰符。