在 JavaScript 中，有兩個地方用到了反斜杠轉義序列，一個是在字符串字面量里，一個是在正則字面量里。其中字符串字面量里的反斜杠轉義序列又分為下面幾種形式：
1. \ 后面跟著單引號（'）、雙引號（"）、反斜杠自己（\）、b、f、n、r、t、v 其中的一個
2. \ 后面跟著某個行終止符序列，常見的行終止符序列有三種：回車、換行、回車+換行
3. \ 后面跟著 0
4. \ 后面跟著 1 到 3 個八進制數字
5. \ 后面跟著 x 再跟著兩個 16 進制數字
6. \ 后面跟著 u 再跟著 4 個 16 進制數字
7. \ 后面跟著 u 再跟著 {1個到任意多個的 16 進制數字}
8. \ 后面跟著某個不滿足上面所有這些條件的單個字符
前 7 種本文不予討論，這第 8 種轉義形式其實就是無效的轉義。舉個例子，比如 \o 就是這樣的轉義，在一些編譯語言里，這樣的轉義會直接報編譯錯誤，比如在 Java 里：
System.out.println("\o"); // error: illegal escape character
另外在 JSON 里也會報錯：
JSON.parse(String.raw`"\o"`) // SyntaxError: Unexpected token o in JSON at position 2
在腳本語言里通常都不會報錯，它們有兩種選擇，要么不把 \ 看成轉義字符，而是看成普通的反斜杠字面量，像 Python：
>>> "\o" '\\o' # len("\o") 為 2
要么把 \ 丟棄掉，只留下后面被轉義的那個字符，像 JavaScript：
js> "\o" "o" // "\o".length 為 1
哪種做法好呢？我知道一個保留反斜杠的好處是和正則相關的：在一些沒有正則字面量的語言里，或者是有些人不會用正則字面量，又或者有時需要從字符串變量動態生成正則的時候，有些人會忘了要雙寫反斜杠，比如：
"www\.taobao\.com" // 在不保留反斜杠的語言比如 JavaScript 里，這個字符串生成的正則可以錯誤的匹配到別的域名，比如 "wwwataobao.com"
還有些語言會對這個坑會發出警告：
$ awk -F 'www\.taobao\.com' '' awk: warning: escape sequence `\.' treated as plain `.'
丟棄反斜杠在其它語言里有什么好處我不清楚，但在 JavaScript 里，我還真知道一個，那就是在一個內聯的 <script> 標簽里書寫一個包含有 </script> 字樣的字符串時：
<script> document.wirte("<script src=foo.js><\/script>") // \/ 其實是無效的轉義，但沒有 \ 的話，這個 </script> 會被 HTML 解析器錯誤的當成結束標簽 </script>
下面才開始本文的正文，正則字面量中的反斜杠轉義序列比字符串字面量中的更復雜些，分為下面這么多種形式：
1. \ 后面跟著 /
2. \ 后面跟著 ^、$、\、.、*、+、?、(、)、[、]、{、}、| 其中的一個
3. \ 后面跟著 c 再跟任意一個字母
4. \ 不存在于 [] 中，后面跟著 b 或者 B
5. \ 存在于于 [] 中，后面跟著 - 或者 b
6. \ 后面跟著 d、D、s、S、w、W 其中的一個
7. \ 后面跟著 f、n、r、t、v 其中的一個
8. \ 后面跟著 0
9. \ 不存在于 [] 中，后面跟著 1 到 3 個十進制數字
10. \ 后面跟著 x 再跟著兩個 16 進制數字
11. \ 后面跟著 u 再跟著 4 個 16 進制數字
12. \ 后面跟著 u 再跟著 {1個到任意多個的 16 進制數字}
13. \ 后面跟著某個不滿足上面所有這些條件的單個字符
上面這些轉義形式有些和字符串字面量中的相同，有些則不同，甚至有些雖然外表看起來相同，功能卻不同。我們還是重點關注最后一種情況，也就是無效轉義的情況。很多人記不住在正則里哪些符號應該轉義，哪些不該轉義，比如雙引號 " 在正則里是不需要轉義的，如果你寫了 /\"/，通常情況下，JavaScript 的正則引擎會幫你把 \ 去掉：
/^\"$/.test('"') // true
但如果這個正則開啟了 Unicode 模式，則這樣的寫法會導致語法錯誤：
/\"/u // SyntaxError: Invalid escape
那你可能會問，為什么要開啟 Unicode 模式呢？這是因為 Unicode 模式對 BMP 之外的字符支持更友好，比如：
"𠮷野家".match(/./g) // ["�", "�", "野", "家"] "𠮷野家".match(/./ug) // ["𠮷", "野", "家"]
具體的優點可以看這篇文章的總結，總之，如果不考慮兼容性的話，默認加上 /u 總是最佳做法。
還有一個經常被錯誤轉義的字符，那就是連字符 -，連字符只在中括號里面才是元字符，在中括號里面需要轉義，但如果你在中括號外面轉義它的話，同樣在 Unicode 模式下會報錯：
/\-/u // SyntaxError: Invalid escape
另外，從 Firefox 46 和 Chrome 53 開始，在 HTML 表單的 pattern 屬性中填寫的正則開始強制使用 Unicode 模式，比如下面這個 input 的 pattern 屬性就是無效的。打開下面這個 demo，然后打開開發者工具，然后把鼠標指針移動到 input 上，就能看到開發者工具的控制臺出現了報錯信息：
<input pattern="\-" value="foo">
因為這個改動是不向后兼容的，所以一些開發者們發現自己以前運行的好好的代碼突然報錯了：
轉義了 ! https://input.mozilla.org/en-US/dashboard/response/5898357
轉義了 - http://stackoverflow.com/questions/39895209/html-input-pattern-not-working
轉義了 ' https://bugs.chromium.org/p/chromium/issues/detail?id=667713
可以看見，只要是標點符號，就有人想轉義，因為他們對正則不熟悉，不知道哪些符號是元字符，以前這樣做沒事，但從現在開始，不行了。
Unicode 模式就像是正則里的嚴格模式，禁止了很多不好的、容易導致 bug 的寫法，下面再舉一個 /u 禁止了的、和 \ 轉義相關的寫法，那就是 \ 后面跟非 0 十進制數字的情況：
在非 Unicode 模式下，當 \ 后面是一個非 0 的十進制數字時，如果這個數字對應的捕獲分組剛好存在，則該轉義序列表示反向引用那個分組：
/(f)(.)\2/.test("foo") // true
如果對應的捕獲分組不存在，且數字 < 8 的話，則該序列會被當做八進制轉義序列看待：
/^\2$/.test("\2") // true
如果對應的捕獲分組不存在，且數字 >= 8 的話，反斜杠會被丟棄，只留下數字：
/^\8$/.test("8") // true
也就是說，一樣的轉義寫法可能有三種不同的解釋，稍不留神就會導致 bug，代碼也不好讀，因此 Unicode 模式禁用了后兩種情況，\ 后跟非 0 十進制數字只能表示捕獲分組的反向引用，只要對應的捕獲分組不存在，就報語法錯誤：
/\2/u // SyntaxError: Invalid escape /\8/u // SyntaxError: Invalid escape
總結：本文列舉了幾個在正則的 Unicode 模式下不正確的轉義形式，告誡大家以后在寫正則的時候不能看到標點符號就想轉義，對待知識要一絲不茍。
更高要求：其實正則的 Unicode 模式并沒有我希望的那么嚴格，比如正則里的大多數元字符，實際上在中括號里并不是元字符，是不需要轉義的，但即便 Unicode 模式下也并不會禁止這樣的寫法：
/[\?\+\*]/u // 不會報錯 /[?+*]/u // 應該這么寫，可讀性比上面的更好
文章列表
留言列表
