1. Web
  2. JavaScript
  3. 参考
  4. 正则表达式
  5. Unicode 字符类转义：\p{...}, \P{...}

Unicode 字符类转义：\p{...}, \P{...}

Baseline 已广泛支持

此特性已经十分成熟，可在许多设备和浏览器版本上使用。自 2020 年 7 月以来，它已在各大浏览器中可用。

Unicode 字符类别转义是一种字符类别转义，它匹配由 Unicode 属性指定的一组字符。它仅在Unicode 感知模式下受支持。当启用v 标志时，它也可以用于匹配有限长度的字符串。

试一试

const sentence = "A ticket to 大阪 costs ¥2000 👌.";

const regexpEmojiPresentation = /\p{Emoji_Presentation}/gu;
console.log(sentence.match(regexpEmojiPresentation));
// Expected output: Array ["👌"]

const regexpNonLatin = /\P{Script_Extensions=Latin}+/gu;
console.log(sentence.match(regexpNonLatin));
// Expected output: Array [" ", " ", " 大阪 ", " ¥2000 👌."]

const regexpCurrencyOrPunctuation = /\p{Sc}|\p{P}/gu;
console.log(sentence.match(regexpCurrencyOrPunctuation));
// Expected output: Array ["¥", "."]

语法

正则表达式
\p{loneProperty}
\P{loneProperty}

\p{property=value}
\P{property=value}

参数

loneProperty（独立属性）

一个独立的 Unicode 属性名或值，其语法与 value 相同。它指定 General_Category 属性的值，或一个二元属性名。在v 模式下，它也可以是字符串的二元 Unicode 属性。

注意：ICU 语法也允许省略 Script 属性名，但 JavaScript 不支持这一点，因为大多数情况下 Script_Extensions 比 Script 更有用。

property（属性）

一个 Unicode 属性名。必须由ASCII 字母（A–Z, a–z）和下划线（_）组成，并且必须是非二元属性名之一。

value

一个 Unicode 属性值。必须由 ASCII 字母（A–Z, a–z）、下划线（_）和数字（0–9）组成，并且必须是PropertyValueAliases.txt 中列出的受支持值之一。

描述

\p 和 \P 仅在Unicode 感知模式下受支持。在 Unicode 非感知模式下，它们是 p 或 P 字符的恒等转义。

每个 Unicode 字符都有一组描述它的属性。例如，字符a 具有 General_Category 属性，值为 Lowercase_Letter，以及 Script 属性，值为 Latn。\p 和 \P 转义序列允许你根据字符的属性进行匹配。例如，a 可以通过 \p{Lowercase_Letter}（General_Category 属性名是可选的）以及 \p{Script=Latn} 来匹配。\P 创建一个补集类别，它由不具有指定属性的代码点组成。

当设置了i 标志时，\P 字符类别在 u 和 v 模式下的处理方式略有不同。在 u 模式下，大小写折叠发生在减法之后；在 v 模式下，大小写折叠发生在减法之前。更具体地说，在 u 模式下，\P{property} 匹配 caseFold(allCharacters - charactersWithProperty)。这意味着 /\P{Lowercase_Letter}/iu 仍然匹配 "a"，因为 A 不是 Lowercase_Letter。在 v 模式下，\P{property} 匹配 caseFold(allCharacters) - caseFold(charactersWithProperty)。这意味着 /\P{Lowercase_Letter}/iv 不匹配 "a"，因为 A 甚至不在所有大小写折叠的 Unicode 字符集中。另请参阅补集类别和不区分大小写的匹配。

要组合多个属性，请使用启用 v 标志的字符集交集语法，或者参阅模式减法和交集。

在 v 模式下，\p 可以匹配一系列代码点，这在 Unicode 中定义为“字符串属性”。这对于表情符号最有用，表情符号通常由多个代码点组成。但是，\P 只能补充字符属性。

注意： 有计划将字符串属性功能也移植到 u 模式。

示例

通用类别

通用类别用于对 Unicode 字符进行分类，并且可以使用子类别来定义更精确的分类。在 Unicode 属性转义中可以使用短形式或长形式。

它们可用于匹配字母、数字、符号、标点符号、空格等。有关通用类别的更详尽列表，请参阅Unicode 规范。

js
// finding all the letters of a text
const story = "It's the Cheshire Cat: now I shall have somebody to talk to.";

// Most explicit form
story.match(/\p{General_Category=Letter}/gu);

// It is not mandatory to use the property name for General categories
story.match(/\p{Letter}/gu);

// This is equivalent (short alias):
story.match(/\p{L}/gu);

// This is also equivalent (conjunction of all the subcategories using short aliases)
story.match(/\p{Lu}|\p{Ll}|\p{Lt}|\p{Lm}|\p{Lo}/gu);

脚本和脚本扩展

有些语言使用不同的脚本作为其书写系统。例如，英语和西班牙语使用拉丁脚本书写，而阿拉伯语和俄语使用其他脚本（分别是阿拉伯语和西里尔语）。Script 和 Script_Extensions Unicode 属性允许正则表达式根据字符主要使用的脚本（Script）或根据它们所属的脚本集（Script_Extensions）来匹配字符。

例如，A 属于 Latin 脚本，ε 属于 Greek 脚本。

js
const mixedCharacters = "aεЛ";

// Using the canonical "long" name of the script
mixedCharacters.match(/\p{Script=Latin}/u); // a

// Using a short alias (ISO 15924 code) for the script
mixedCharacters.match(/\p{Script=Grek}/u); // ε

// Using the short name sc for the Script property
mixedCharacters.match(/\p{sc=Cyrillic}/u); // Л

有关更多详细信息，请参阅Unicode 规范、ECMAScript 规范中的脚本表和ISO 15924 脚本代码列表。

如果一个字符只在有限的脚本集中使用，那么 Script 属性将只匹配“主要”使用的脚本。如果我们要根据“非主要”脚本匹配字符，我们可以使用 Script_Extensions 属性（简称 scx）。

js
// ٢ is the digit 2 in Arabic-Indic notation
// while it is predominantly written within the Arabic script
// it can also be written in the Thaana script

"٢".match(/\p{Script=Thaana}/u);
// null as Thaana is not the predominant script

"٢".match(/\p{Script_Extensions=Thaana}/u);
// ["٢", index: 0, input: "٢", groups: undefined]

Unicode 属性转义与字符类别

使用 JavaScript 正则表达式，也可以使用字符类别，特别是 \w 或 \d 来匹配字母或数字。但是，这些形式只匹配拉丁脚本中的字符（换句话说，\w 匹配 a 到 z 和 A 到 Z，\d 匹配 0 到 9）。如这个例子所示，处理非拉丁文本可能会有点笨拙。

Unicode 属性转义类别涵盖了更多的字符，\p{Letter} 或 \p{Number} 将适用于任何脚本。

js
// Trying to use ranges to avoid \w limitations:

const nonEnglishText = "Приключения Алисы в Стране чудес";
const regexpBMPWord = /([\u0000-\u0019\u0021-\uFFFF])+/gu;
// BMP goes through U+0000 to U+FFFF but space is U+0020

console.table(nonEnglishText.match(regexpBMPWord));

// Using Unicode property escapes instead
const regexpUPE = /\p{L}+/gu;
console.table(nonEnglishText.match(regexpUPE));

匹配价格

以下示例匹配字符串中的价格

js
function getPrices(str) {
  // Sc stands for "currency symbol"
  return [...str.matchAll(/\p{Sc}\s*[\d.,]+/gu)].map((match) => match[0]);
}

const str = `California rolls $6.99
Crunchy rolls $8.49
Shrimp tempura $10.99`;
console.log(getPrices(str)); // ["$6.99", "$8.49", "$10.99"]

const str2 = `US store $19.99
Europe store €18.99
Japan store ¥2000`;
console.log(getPrices(str2)); // ["$19.99", "€18.99", "¥2000"]

匹配字符串

使用 v 标志，\p{...} 可以通过使用字符串属性来匹配可能长于单个字符的字符串

js
const flag = "🇺🇳";
console.log(flag.length); // 2
console.log(/\p{RGI_Emoji_Flag_Sequence}/v.exec(flag)); // [ '🇺🇳' ]

但是，你不能使用 \P 来匹配“不具有某个属性的字符串”，因为不清楚应该消耗多少个字符。

js
/\P{RGI_Emoji_Flag_Sequence}/v; // SyntaxError: Invalid regular expression: Invalid property name

规范

规范
ECMAScript® 2026 语言规范
# prod-CharacterClassEscape

浏览器兼容性

另见

帮助改进 MDN

了解如何贡献

本页面最后修改于 ，由 MDN 贡献者修改。

在 GitHub 上查看此页面 • 报告此内容的问题
© . Content available under a Creative Commons license.