在Swift中使用正则表达式去匹配时，匹配的字符串长度记得要使用
str.utf16.count，而不是str.count。
问题
最近把OC的正则匹配类转成Swift时发现一个“奇怪”的问题，代码跟OC无异，翻译成Swift是这样的：
enum RegexCoder {
case atUser(_ uid: Int? = nil)
var pattern: String {
switch self {
case .atUser(let uid):
if let uid {
return "\\[uid=\(uid)\\]"
}
return "\\[uid=\\d+\\]"
}
}
func matchRegexRanges(_ encodeText: String) -> [NSRange] {
do {
let regex = try NSRegularExpression(pattern: pattern, options: .caseInsensitive)
let results = regex.matches(in: encodeText,
options: .reportProgress,
range: NSRange(location: 0, length: encodeText.count))
return results.map { $0.range }
} catch let error {
print("正则匹配错误 - Invalid regex: \(error.localizedDescription)")
return []
}
}
......
}
这里是解析@人的正则表达式，找出匹配“[uid=xxxxxx]”的字符串位置然后替换成“@xxx”后的富文本。
但是后来匹配下面这段文本时，却只找到一个（明明两个）：
let text = "以前喜欢一个人😺[uid=123456]，现在喜欢一个人💔[uid=789123]"
let ranges = RegexCoder.atUser().matchRegexRanges(text)
print("ranges.count: \(ranges.count)") // -> 1
解决方法
百思不得其解，问了GPT，给出的回答跟我的代码差不多，一开始还以为AI骗人了，不过经过对比后发现，GPT的NSRange创建方式是这样的：
NSRange(location: 0, length: encodeText.utf16.count)
而我是这样的：
NSRange(location: 0, length: encodeText.count)
那就换成encodeText.utf16.count试试，结果反而就能匹配到两个了！
原因
顺着这个疑问接着去追问GPT，才发现原来NSRange是基于UTF-16编码的，原文如下：
在 Swift 中，encodeText.utf16.count 和 encodeText.count 之间的区别主要在于它们计数的方式和单位不同：
- encodeText.utf16.count: 这是基于 UTF-16 编码单元的计数方式。每个字符在 UTF-16 中可能占一个或两个编码单元（例如，基本多文种平面的字符占一个编码单元，而增补字符占两个编码单元）。这种计数方式与 NSRange 中的范围匹配是一致的，因为 NSRange 也是基于 UTF-16 编码的。
- encodeText.count: 这是基于 Unicode 标量（grapheme cluster）的计数方式。每个用户可感知的字符（即人类眼睛看到的字符）计为一个，即使某些字符在内部由多个标量组成。这种计数方式与 Swift 的 String API 是一致的，更加符合人类语言学的逻辑。
在正则表达式匹配过程中，我们需要使用 NSRange，因为 NSRegularExpression 的方法要求使用基于 UTF-16 的范围。这就是为什么我们要用 encodeText.utf16.count 而不是 encodeText.count。
简单点来说就是特殊字符，例如emoji，OC一个emoji长度为2（NSString，相对于计算机的长度），而Swift是1（String，相对于人眼看到的长度）：
// 🌰🌰🌰
NSLog(@"oc 💔.length: %zd", @"💔".length);
print("swift 💔.count: \("💔".count)")
print("swift utf16 💔.count: \("💔".utf16.count)")
print("swift as NSString 💔.length: \(("💔" as NSString).length)")
// 打印如下：
oc 💔.length: 2
swift 💔.count: 1
swift utf16 💔.count: 2
swift as NSString 💔.length: 2
而NSRegularExpression的range参数是NSRange类型，长度需要使用NS体系的编码方式UTF-16，所以一开始长度传入的是Swift字符串的count，导致要去匹配的字符串长度变短了（少了两个字符），因此找不到第二个。
总而言之，在Swift中如果要用到需要字符串长度的OC类时，记得要使用str.utf16.count，而不是str.count。
// PS：Swift中获取整段字符串的NSRange的两种方式：
NSRange(location: 0, length: str.utf16.count)
NSRange(str.startIndex..., in: str)
