匹配日英混合文本的正则表达式问题排查与修正

需求回顾 #

正则需满足以下三个条件：

• 必须包含日文字符（纯英文文本不允许）
• 可包含英文字母字符
• 可包含常见符号：-,.。、！!?？@＠・'’0-9

之前的问题分析 #

你之前的正则使用了否定字符集（[^...]），逻辑完全搞反了——这个写法是匹配「不包含日文字符的内容」，和你需要的「必须包含日文字符，同时允许其他指定字符」正好相反，所以才会导致含英文的日文文本匹配失败。

正确的正则表达式 #

正确思路是先通过正向预查确保存在日文字符，再定义允许的所有字符范围，同时开启Unicode模式支持日文脚本匹配：

var regex = /^(?=.*[\p{Script=Hiragana}\p{Script=Katakana}\p{Script=Han}])[\p{Script=Hiragana}\p{Script=Katakana}\p{Script=Han}A-Za-z\s\-,.。、！!?？@＠・'’0-9]+$/u;

正则各部分说明 #

• (?=.*[\p{Script=Hiragana}\p{Script=Katakana}\p{Script=Han}])：正向预查断言，确保字符串中至少包含一个日文字符（平假名、片假名、日文汉字）
• [\p{Script=Hiragana}\p{Script=Katakana}\p{Script=Han}A-Za-z\s\-,.。、！!?？@＠・'’0-9]+：匹配所有允许的字符，涵盖日文字符、英文字母、空白符、指定符号
• u标志：启用Unicode模式，让\p{Script=...}这类Unicode属性匹配生效

测试验证 #

用你的示例文本测试：

"パイソンが得意です".match(regex); // 匹配成功（纯日文）
"pythonが得意です".match(regex); // 匹配成功（日文+英文）
"I'm good at python.".match(regex); // 匹配失败（纯英文，无日文字符）
"パイソン@2024！".match(regex); // 匹配成功（日文+符号+数字）

内容的提问来源于stack exchange，提问作者丶 Limeー来夢 丶