Tại sao tôi thấy các kết quả khác nhau cho hai mẫu regex Ruby gần như giống hệt nhau này, và tại sao một kết hợp những gì tôi nghĩ là không nên?

Question

Sử dụng Ruby 1.9.2, tôi đã mã của Ruby sau trong IRB:

> r1 = /^(?=.*[\d])(?=.*[\W]).{8,20}$/i 
> r2 = /^(?=.*\d)(?=.*\W).{8,20}$/i 
> a = ["password", "1password", "password1", "pass1word", "password 1"] 
> a.each {|p| puts "r1: #{r1.match(p) ? "+" : "-"} \"#{p}\"".ljust(25) + "r2: #{r2.match(p) ? "+" : "-"} \"#{p}\""} 

Điều này dẫn đến kết quả như sau:

r1: - "password"   r2: - "password" 
r1: + "1password"  r2: - "1password" 
r1: + "password1"  r2: - "password1" 
r1: + "pass1word"  r2: - "pass1word" 
r1: + "password 1"  r2: + "password 1" 

1.) Tại sao kết quả khác nhau?

2.) Tại sao r1 khớp với chuỗi 2, 3 và 4? Chẳng phải cái nhìn của (?=.*[\W]) khiến nó thất bại vì không có bất kỳ ký tự không phải từ nào trong những ví dụ đó sao?

Answer 1

Kết quả này từ tương tác giữa một vài tính năng regex và Unicode. \W là tất cả các ký tự không phải từ, bao gồm 212A - "KELVIN SIGN" K (PDF link) và 017F - "LATIN SMALL LETTER LONG S" ſ (PDF link). /i thêm các phiên bản chữ thường của cả hai loại này, là các ký tự “bình thường” k và s (006B - "LATIN SMALL LETTER K" and 0073 "LATIN SMALL LETTER S" (PDF link)).

Vì vậy, đó là s trong password được hiểu là ký tự không phải từ trong một số trường hợp nhất định.

Lưu ý rằng điều này dường như chỉ xảy ra khi \W thuộc lớp nhân vật (ví dụ: [\W]). Ngoài ra tôi chỉ có thể tái tạo điều này trong irb, bên trong một tập lệnh độc lập có vẻ như hoạt động như mong đợi.

Xem the Ruby bug about this để biết thêm thông tin.