これらの2つのほぼ同一のRuby正規表現パターンで異なる結果が表示されるのはなぜですか？また、一致しないと思われるものがあるのはなぜですか？ Rubyの1.9.2を使用して

Question

は、私はIRBで、次のRubyのコードを持っている：

> 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}\""} 

これは、次の出力が生成されます。

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

1）なぜ結果が異なるのですか？

2.）なぜr1が文字列2、3、4で一致するのですか？ (?=.*[\W]) lookaheadは、それらの例に単語以外の文字がないので失敗するでしょうか？

Answer 1

これは、いくつかの正規表現の機能とUnicodeの間の相互作用に起因します。 \Wは、すべて単語以外の文字です（212A - "KELVIN SIGN" K (PDF link)と017F - "LATIN SMALL LETTER LONG S" ſ (PDF link)を含む）。 /iは、これらの両方の小文字のバージョンを追加します。これらのバージョンは、「通常の」kとs（006B - "LATIN SMALL LETTER K" and 0073 "LATIN SMALL LETTER S" (PDF link)）です。

したがって、passwordのsは、場合によっては非単語文字として解釈されます。

これは、\Wが文字クラス（つまり、[\W]）である場合にのみ発生すると考えられます。また、私はirbでこれを再現することができます。スタンドアロンスクリプトの中では、期待どおりに動作するようです。

詳細については、the Ruby bug about thisを参照してください。