保留多语种字母数字下划线的正则处理印地语字符异常求助

问题根因 #

\p{L}仅匹配Unicode分类中的基础字母，印地语天城文中的元音附标、辅音连接符等附属标记属于Unicode的\p{M}分类（标记类字符，包含变音符号、组合标记等），不在\p{L}的匹配范围内，因此被原正则判定为非法字符过滤，最终出现输入#फ्रांस处理后丢失标记得到फरस的异常。

修复方案 #

将\p{M}加入正则的允许保留字符集合即可，修正后的正则为：
/[^\p{L}\p{M}\d_]/gimu

该正则会同时保留各语种的基础字母、附属标记、数字和下划线，仅过滤其余无关字符，处理#फ्रांस时仅会剔除开头的#，输出完整的फ्रांस符合预期。

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