JavaScript中正则表达式Unicode标志失效问题及修复咨询

我编写的正则表达式在JavaScript环境中无法识别与非英文字符（如日文汉字）搭配使用的逻辑操作符（and/or/not/exclude），但在启用Unicode标志的正则测试工具中能正常匹配所有操作符。

原代码示例 #

const OPERATOR_REGEX = new RegExp(
  /(?!\B"[^"|“|”]*)\b(and|or|not|exclude)(?=.*[\s])\b(?![^"|“|”]*"\B)/,
  'giu'
);

const query1 = '(Java or "化粧" or 化粧品)';
const query2 = '(Java or 化粧 or 化粧品)';

console.log(query1.split(OPERATOR_REGEX));
console.log(query2.split(OPERATOR_REGEX));

问题原因 #

核心问题在于正则中的\b单词边界：在JavaScript的Unicode模式（u标志）下，\b仅能识别ASCII字符的单词边界，非ASCII字符（如日文汉字「化粧」）与操作符之间的位置不会被判定为单词边界，导致正则无法匹配。

修复方案 #

将\b替换为基于Unicode字母属性的边界检测，使用(?<!\p{L})（负向后顾，确保前面不是Unicode字母）和(?!\p{L})（负向前瞻，确保后面不是Unicode字母）来模拟真正的Unicode单词边界。同时简化冗余的匹配逻辑：

修改后的正则如下：

const OPERATOR_REGEX = new RegExp(
  /(?!\B&quot;[^&quot;“”]*)(?<!\p{L})(and|or|not|exclude)(?=[\s])(?!\p{L})(?![^&quot;“”]*&quot;\B)/,
  'giu'
);

测试结果 #

修改后运行代码，query1和query2都会正确分割出所有or操作符，输出结果符合预期。

内容的提问来源于stack exchange，提问作者codingrohtak