Perché vedo risultati diversi per questi due modelli di regex di Ruby quasi identici, e perché uno corrisponde a ciò che penso che non dovrebbe?

Question

Utilizzando rubino 1.9.2, ho il seguente codice Ruby in 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}\""} 

Il risultato è il seguente output:

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

1.) Perché i risultati sono diversi?

2.) Perché r1 corrisponde alle stringhe 2, 3 e 4? Il lookheadhead (?=.*[\W]) non si risolverebbe perché non ci sono caratteri non di parole in quegli esempi?

Answer 1

Questo risulta dall'interazione tra un paio di caratteristiche regex e Unicode. \W è tutti i caratteri non parola, che include 212A - "KELVIN SIGN" K (PDF link) e 017F - "LATIN SMALL LETTER LONG S" ſ (PDF link). Lo /i aggiunge le versioni minuscole di entrambi, che sono i "normali" e s caratteri (006B - "LATIN SMALL LETTER K" and 0073 "LATIN SMALL LETTER S" (PDF link)).

Quindi è lo s in password che in alcuni casi viene interpretato come carattere non di parole.

Si noti che ciò sembra verificarsi solo quando lo \W si trova in una classe di caratteri (ad esempio [\W]). Inoltre posso solo riprodurlo in irb, all'interno di uno script autonomo sembra funzionare come previsto.

Vedere the Ruby bug about this per ulteriori informazioni.