我很难理解我观察到的多字符unicode符号的一些行为。
以字符串🤚🏾🇺🇸🤚🏾🇺🇸🤚🏾和正则表达式(🤚🏾|🇺🇸)(?![🏾])为例，我得到三个匹配:两个标志和最后一手牌。期望:5个匹配，每个符号一次。
因为🤚🏾和🇺🇸都是2个字符符号，我试着写一个非unicode的例子。使用字符串abcdabcdab和正则表达式(ab|cd)(?![b])，我得到了预期的5个匹配，每对ab和cd各一次。
考虑到🤚🏾和🏾之间可能存在一些交互作用，我使用了不同的unicode字符，给我正则表达式(🤚🏾|🇺🇸)(?![🇹])。这里我得到了与第一个示例相同的结果。
由于🇹和🏾通常不单独使用，我尝试使用"normal"unicode或ASCII字符，而不是🇹。在我的例子中，我使用了🐰和a，这给了我5个匹配的预期结果，每个符号一次。
有人能解释这个行为吗，还是这是一个bug?
这种行为只发生在PCRE和JavaScript正则表达式引擎，我用这个网站来测试它。https://regex101.com/
不应该像(?![🏾])那样在字符类中放入多字节字符。在字符类中，它被分解了。转换成两个字节序列，uD83C和uDFFE，匹配它们中的任何一个，而不是作为一个序列。由于手部表情符号是uD83EuDD1AuD83CuDFFE的一个序列(它以这两个字节结束)，因此前瞻被触发并影响了匹配。
要解决这个问题，只需要删除括号并使用(🤚🏾|🇺🇸)(?!🏾)，这样🏾字符就可以被视为字节序列，而不是一个或另一个字符。