如何修改解析规则以匹配单引号包裹的单个Unicode字符？

原规则仅能匹配ASCII字符，核心问题是默认的.通常只匹配单个ASCII字节，而Unicode字符（如表情符号🙂）多为多字节编码，部分复杂字符还需用代理对表示。以下是两种可行的修改方案：

方案一：使用Unicode字符类（推荐） #

如果你的解析器支持Unicode字符类（如PEG.js、ANTLR等），直接将原规则中的匹配逻辑替换为非单引号的任意Unicode码点表达式即可：

CHAR = "'" c:[^'] "'" { return c; }

注意：需确保解析器启用Unicode模式（比如PEG.js需添加--unicode启动参数），这样[^']才会按Unicode码点而非字节进行匹配。

方案二：手动匹配所有Unicode码点 #

若解析器不支持自动处理Unicode，可手动编写规则覆盖所有合法Unicode码点，包括基本多语言平面（BMP）字符和代理对（对应超出BMP的补充平面字符）：

CHAR = "'" c:( [\u0000-\uD7FF\uE000-\uFFFF] | [\uD800-\uDBFF][\uDC00-\uDFFF] ) "'" { return c; }

• [\u0000-\uD7FF\uE000-\uFFFF]：匹配BMP内的所有字符（排除代理区域）
• [\uD800-\uDBFF][\uDC00-\uDFFF]：匹配Unicode代理对，用于识别部分复杂表情这类超出BMP的字符

内容的提问来源于stack exchange，提问作者divs1210