修改JavaScript正则以支持西里尔文与拉丁文的URL和邮箱验证

安全阿岳

2026-7-31

支持西里尔文的URL/邮箱匹配正则修改方案

原正则的核心问题在于：

JavaScript默认的\w仅匹配拉丁字母、数字和下划线，不包含西里尔字符
\b单词边界对非拉丁字符的识别逻辑不适用，会导致匹配失效
最后一部分的[A-Za-z]限制只能匹配拉丁后缀，无法识别.рф这类西里尔域名后缀

以下是修改后的完整代码：

let final = text;
const divElement = document.createElement('div');
// 修改后的正则，支持Unicode字符（含西里尔文）
const linkRegExp = /(?<!\S)((https?:\/\/)?[\p{L}\p{N}_-]+(?:[:.][\p{L}\p{N}_-]+)+)|([\p{L}\p{N}_-]+@[\p{L}\p{N}_-]+(?:\.[\p{L}\p{N}_-]+)+)(?!\S)/gui;

function replacer(url) {
  if (url.match(/[\p{L}\p{N}_-]+@[\p{L}\p{N}_-]+(?:\.[\p{L}\p{N}_-]+)+/ui)) {
    const email = document.createElement('a');
    email.innerHTML = url;
    email.href = `mailto:${url}`;
    email.setAttribute('class', 'email');

    return email.outerHTML;
  }
  const link = document.createElement('span');
  link.innerHTML = url;
  link.setAttribute('class', 'link');
  link.setAttribute('style', 'color: blue; cursor: pointer');

  return link.outerHTML;
}

final = final.replace(linkRegExp, replacer);

关键修改说明：

使用\p{L}\p{N} Unicode属性转义：\p{L}匹配任意语言的字母（含西里尔文），\p{N}匹配任意数字，替代原有的\w，确保支持多语言字符
替换\b为(?<!\S)和(?!\S)：通过负向环视匹配前后为空白或字符串边界，解决非拉丁字符的单词边界识别问题
移除原正则中过于严格的{1,32}长度限制：避免截断合法的长域名（如стопкоронавирус.рф）
修改邮箱匹配正则为Unicode兼容版本，确保识别含西里尔文的邮箱地址
添加u标志：启用正则的Unicode模式，让\p{}属性转义生效