正则表达式边界添加例外：解决Emoji被误删除的问题

你的问题核心在于两个点：一是原正则缺少Unicode模式标志（u），导致无法正确识别Emoji这类多字节Unicode字符；二是\b单词边界会把你指定的Emoji当作非单词字符，从而在分割时把它们和正文分开，最终导致误删。

下面是具体的修复方案：

步骤1：理解问题根源 #

原代码的正则/.{1,21}\b/g有两个关键缺陷：

• 没有u标志：JavaScript中默认正则会把Emoji（比如😊）拆成两个UTF-16代码单元处理，.{1,21}的字符计数会出错，\b也无法正确识别Unicode字符的边界。
• \b的局限性：单词边界\b只把字母、数字、下划线视为“单词字符”，你指定的Emoji会被归类为非单词字符，导致分割时在Emoji和正文之间断开，Emoji可能被孤立成短块甚至丢失。

步骤2：自定义边界规则 #

我们需要把你列出的Emoji纳入“单词字符”的范畴，让正则不会在这些Emoji和其他正文之间触发分割。首先把目标Emoji转换成Unicode码点构造字符集，再自定义单词边界逻辑。

完整实现代码 #

// 定义需要保护的特定Emoji的Unicode字符集
const protectedEmojis = /[\u{1F60A}\u{1F60B}\u{1F60E}\u{1F60D}\u{1F618}\u{1F617}\u{1F619}\u{1F61A}\u{263A}\u{FE0F}\u{1F642}]/u;

// 自定义单词边界：将保护的Emoji视为单词的一部分
const customWordBoundary = new RegExp(
  `(?<=(?:\\w|${protectedEmojis.source}))(?!(?:\\w|${protectedEmojis.source}))|(?<!(?:\\w|${protectedEmojis.source}))(?=(?:\\w|${protectedEmojis.source}))`,
  'u'
);

// 构造最终的分割正则：最多21个字符，在自定义边界或字符串结尾分割
const splitRegex = new RegExp(
  `.{1,21}(?:${customWordBoundary.source}|$)`,
  'gu'
);

// 使用示例
const exampleText = "Hello there 😊 This is a longer string that needs splitting with 😋 and 😎 emojis included";
const result = exampleText.match(splitRegex).map(s => s.trim());

console.log(result);

代码说明 #

1. u标志：开启Unicode模式后，正则会按实际的Unicode字符（码点）处理，而不是UTF-16代码单元，确保Emoji被当作单个字符计数。
2. protectedEmojis字符集：包含了你列出的所有目标Emoji的Unicode码点，确保这些Emoji被视为单词的一部分。
3. customWordBoundary：重新定义了单词边界，只有在“单词字符+保护Emoji”和其他字符之间才会触发分割，避免了Emoji被孤立。
4. splitRegex：匹配最多21个字符，然后在自定义边界或字符串结尾处分割，完美保留你的目标Emoji。

简化版实现 #

如果你觉得自定义边界太复杂，也可以用更简洁的方式直接调整正则，跳过\b改用负向断言确保不会在保护Emoji前分割：

const splitRegex = /(?:.{1,21}(?<![\u{1F60A}\u{1F60B}\u{1F60E}\u{1F60D}\u{1F618}\u{1F617}\u{1F619}\u{1F61A}\u{263A}\u{FE0F}\u{1F642}])\b|.{1,21}(?:[\u{1F60A}\u{1F60B}\u{1F60E}\u{1F60D}\u{1F618}\u{1F617}\u{1F619}\u{1F61A}\u{263A}\u{FE0F}\u{1F642}]+$)?)/gu;
const result = exampleText.match(splitRegex).map(s => s.trim());

这个版本的逻辑是：要么匹配最多21个字符且结尾不是保护Emoji、在传统单词边界分割；要么匹配最多21个字符且结尾是保护Emoji（直接包含，不需要边界）。

内容的提问来源于stack exchange，提问作者EyTa