为何GeneratedRegex生成的正则包含K（开尔文号）？

原因分析 #

这是.NET正则引擎在启用IgnoreCase选项时，遵循Unicode大小写等价规则的正常行为：

• 开尔文号（Unicode码点 U+212A）的官方大小写折叠（Case Folding）映射结果是拉丁字母 k（U+006B）。
• 当使用字符集 [a-z] 并开启 IgnoreCase 时，正则引擎会扩展匹配范围，包含所有与 a-z 内字符存在大小写等价关系的Unicode字符——开尔文号因为小写等价为 k（属于 [a-z]），所以被纳入匹配集合。

为什么[a-k]无额外字符，[a-l]及以上会出现？ #

这是正则代码生成器的注释显示逻辑导致的：

• 当字符集范围是[a-k]时，开尔文号的等价关系已经被k覆盖，生成器的注释没有单独列出该字符，但实际上正则引擎仍然会匹配开尔文号。
• 当范围扩展到[a-l]及以上时，生成器会显式列出所有超出基础ASCII范围的等价字符，因此开尔文号被单独标注出来。

解决方案 #

如果你的场景不需要匹配这类Unicode特殊字符，可以通过以下方式处理：

1. 禁用IgnoreCase，改用显式大小写范围：
   将正则改为[a-zA-Z]，同时移除IgnoreCase选项，这样只会匹配ASCII范围内的大小写字母。
2. 启用RegexOptions.ECMAScript选项：
   该选项会让正则引擎遵循ECMAScript的大小写规则，仅处理ASCII字母的等价关系，不会包含开尔文号这类Unicode特殊字符。修改后的代码示例：

   public const RegexOptions MyRegexOptions = RegexOptions.IgnoreCase |
                                               RegexOptions.IgnorePatternWhitespace |
                                               RegexOptions.ExplicitCapture |
                                               RegexOptions.CultureInvariant |
                                               RegexOptions.ECMAScript;
   [GeneratedRegex("[a-z]", MyRegexOptions)]
   public static partial Regex AlphaKelvin();
   

内容的提问来源于stack exchange，提问作者Valo