JavaScript正则中\b匹配西里尔字符失效的原因及解决办法

• (*UCP)是PCRE（Perl兼容正则表达式）引擎专属的语法标记，作用是开启Unicode字符属性支持，将非ASCII字母纳入单词字符判定范围。JavaScript正则基于ECMAScript标准实现，原生不支持PCRE的这类特殊标记，直接写入正则表达式会直接抛出语法错误。
• 即使移除(*UCP)标记，JavaScript原生的\b单词边界默认仅识别ASCII范围内的单词字符（[a-zA-Z0-9_]），西里尔字母不属于默认单词字符范畴，因此\bпроверка\b无法正确匹配西里尔文本中的单词边界。

JavaScript ES2018及以上版本支持u修饰符和Unicode属性转义，可以通过否定前后断言模拟支持多语言的单词边界，替代PCRE的(*UCP)+\b方案，示例代码如下：

// u修饰符开启Unicode正则模式，前后断言模拟多语言单词边界
const regex = /(?<![\p{Letter}\p{Mark}])проверка(?![\p{Letter}\p{Mark}])/u;
console.log(regex.test('а проверка б')); // 输出 true

如果需要匹配包含目标单词的整行内容，可在正则首尾补全任意字符匹配规则：

const regex = /^.*(?<![\p{Letter}\p{Mark}])проверка(?![\p{Letter}\p{Mark}]).*$/u;
console.log(regex.test('а проверка б')); // 输出 true

\p{Letter}匹配任意语言的字母字符，\p{Mark}匹配各类变音符号，前后的否定断言即可实现和PCRE下(*UCP)\b一致的单词边界匹配效果。

内容的提问来源于stack exchange，提问作者jsNewbie