Notepad++正则否定能否匹配BMP外U+10000及以上Unicode字符？

核心背景 #

Notepad++ v8.6.5（32位）采用PCRE2正则引擎，默认配置下对Unicode字符的处理存在两种逻辑，这是导致你遇到差异的根本原因：

1. .的匹配逻辑
   当文件为UTF-8编码且引擎启用UTF模式时，.会匹配完整的Unicode码点——包括U+10000及以上的补充平面字符（比如U+1F3B5，在UTF-8中占4字节，引擎会将其识别为单个完整字符）。所以你的第一个正则能毫无障碍地匹配包含表情符号的目标内容。

2. [^"]+的匹配逻辑
   否定字符类[^"]在默认配置下是按UTF-16代码单元而非完整Unicode码点处理的。U+1F3B5这类补充平面字符在UTF-16中会被拆分为两个代理字符：高代理U+D83C和低代理U+DFB5。
   问题在于，单独的代理字符在Unicode标准中是无意义的无效字符。当引擎用[^"]+匹配到高代理U+D83C后，会将其视为一个独立的「非引号字符」，但后续的低代理U+DFB5会被引擎判定为无效字符，触发匹配提前终止，导致无法包含整个表情符号。

3. ((?!").)+的匹配逻辑
   这个结构用正向否定预查模拟非引号字符，但(?!")同样是针对单个UTF-16代码单元做断言。当引擎匹配到高代理U+D83C时，预查(?!")成立（它不是引号），但匹配完这个代理单元后，后续的低代理U+DFB5会被引擎视为无效字符，同样导致匹配提前终止，无法覆盖完整的表情符号。

修复方案 #

要让否定式正则正确匹配包含补充平面字符的内容，需强制引擎按Unicode码点处理字符：

• 打开Notepad++的「查找替换」对话框，切换到「正则表达式」模式。
• 勾选「Unicode正则表达式」选项，确保引擎启用UCP（Unicode属性）模式。
• 此时[^"]+或((?!").)+会将补充平面字符视为单个完整码点，即可完整匹配目标内容。

内容的提问来源于stack exchange，提问作者anon