如何实现兼容英文与RTL语言的JS用户名特殊字符过滤函数

问题背景 #

现有用户名简化逻辑需要实现两个核心规则：

• 移除所有非法字符
• 合并连续多余空格，仅保留单词间的单个空格，同时去除首尾空格

原有实现仅支持英文字母+数字场景，代码如下：

function simplifyUserName(name) {
  return name.toLowerCase().replace(/[^A-Za-z0-9]+/g, " ").trim();
}
        
console.log(simplifyUserName('  this !??+=_- works   correctly  @:{}'))
// 正常输出：this works correctly

该实现的正则白名单仅包含英文字母和阿拉伯数字，处理阿拉伯语、波斯语这类RTL（从右到左书写）语言时，会将所有RTL字符判定为非法字符移除，测试结果异常：

function simplifyUserName(name) {
  return name.toLowerCase().replace(/[^A-Za-z0-9]+/g, " ").trim();
}
        
console.log(simplifyUserName('  این !??+=_- السلام   علیکم  @:{}'))
// 错误输出：空字符串，所有波斯语、阿拉伯语字符被全部替换

实现方案 #

使用JavaScript正则的Unicode属性匹配能力，将白名单范围从「英文字母+数字」扩展为「所有语言的字母+所有语言的数字」，无需单独枚举RTL语言字符区间，即可同时兼容英文、RTL语言及其他各语种场景。
优化后代码：

function simplifyUserName(name) {
  return name
    .toLowerCase()
    // 正则说明：
    // u修饰符：开启Unicode匹配模式，必须添加
    // \p{L}：匹配任意Unicode字母，覆盖英文、阿拉伯语、波斯语、中文等所有语言的文字字符
    // \p{N}：匹配任意Unicode数字，覆盖各语种的数字字符
    // 所有非字母、非数字的连续字符统一替换为单个空格
    .replace(/[^\p{L}\p{N}]+/gu, " ")
    .trim();
}

效果验证 #

• 英文场景（与原有逻辑表现一致）：

console.log(simplifyUserName('  this !??+=_- works   correctly  @:{}'))
// 输出：this works correctly

• RTL语言场景：

console.log(simplifyUserName('  این !??+=_- السلام   علیکم  @:{}'))
// 输出：این السلام علیکم

• 多语言混合场景（无额外适配即可支持）：

console.log(simplifyUserName('  Hello!! سلام__用户123   '))
// 输出：hello سلام 用户123

兼容性说明：该方案支持所有现代浏览器及Node.js 10+版本。如果需要兼容IE等不支持Unicode属性转义的极老旧环境，可以手动将阿拉伯语、波斯语对应的Unicode字符区间加入正则白名单即可。

内容的提问来源于stack exchange，提问作者Sara Ree