如何编写正则表达式匹配官方及形似小写的字母（排除数字上下标）？

问题背景 #

要编写正则匹配两类字符：一是Unicode官方定义的小写字母，二是形似小写的上下标字符，但需排除上下标中的数字（如²、₃这类）。之前的尝试存在以下问题：

• [a-z]+：仅匹配ASCII小写，漏过ñ这类Unicode小写字母；
• \p{Ll}+：匹配所有官方小写，但无法匹配ₗ、ₒ这类未被归类为小写的上下标形似字符；
• \p{Ll}+|\p{In_Superscripts_and_Subscripts}+：过于宽泛，会误匹配A²中的数字上标²。

解决方案 #

根据正则引擎的不同，提供两种精准匹配的写法：

1. 支持Unicode属性交集的引擎（PCRE、PHP、Python regex库等）

[\p{Ll}\p{In_Superscripts_and_Subscripts}&&\P{Numeric_Type=Digit}]+

• \p{Ll}：匹配所有Unicode官方定义的小写字母；
• \p{In_Superscripts_and_Subscripts}&&\P{Numeric_Type=Digit}：筛选出属于上下标字符区块，但不属于数字类型的字符，完美排除上下标数字，仅保留形似小写的字母类上下标。

2. 不支持属性交集的引擎（JavaScript等）

使用正向预查结合字符类实现：

(?:\p{Ll}|(?=\p{In_Superscripts_and_Subscripts})\P{Numeric_Type=Digit})+

• 分支1：匹配官方小写字母\p{Ll}；
• 分支2：通过(?=\p{In_Superscripts_and_Subscripts})限制字符属于上下标区块，再用\P{Numeric_Type=Digit}排除数字类型，最终仅保留目标字符。

验证效果 #

• 对ESPAñOL：可匹配到ñ；
• 对THIS LOOKS A LOT LIKE ₗₒ𝓌ₑᵣ𝒸ₐₛₑ：可完整匹配ₗₒ𝓌ₑᵣ𝒸ₐₛₑ；
• 对A²：不会匹配到数字上标²。

内容的提问来源于stack exchange，提问作者soapergem