正则效率，\w误区

本文首写于公司小组内部分享。

先前听导师说过正则效率不算高，就特意去看了一点相关的，做个笔记

http://note.youdao.com/share/?id=cb801321e015542b87575b8c6d39748b&type=note 

http://note.youdao.com/share/?id=18d43e79ded05c812488544eff18412b&type=note 

看的时候想到了先前写过正则匹配英文邮箱，突然想到可以有中文的邮箱，遂去写了一下，遇到个坑。

\w 匹配【字母、数字、下划线、汉字】，这几乎是大众认识，但这并不准确。看下图，俄文字符都匹配出来了，查了好些资料，发现\w，他匹配的是包括下划线的任何单词字符。类似但不等价于“[ A-Za-z0-9_ ]”，这里的"单词"字符使用Unicode字符集，包括俄文等单词如а。

如果想要匹配中文，英文字母，数字，下划线(_)，该怎么办呢？

正确做法：[\u4e00-\u9fa5_a-zA-Z0-9]

附上自己写的英文、中文邮箱匹配实录：

http://note.youdao.com/share/?id=6b2b0063b7b9963959fca3750b931baa&type=note 

或访问 CSDN 《正则表达式匹配邮箱》。

有任何问题欢迎批评指正。