如何通过正则表达式对西里尔字母单词的中间字符进行有效脱敏？

本文共计825个文字，预计阅读时间需要4分钟。

相关专题：

本文介绍一种精准匹配俄文单词（含大小写及ё/Ё）中除首尾外所有字母的正则表达式方案，适用于敏感词过滤场景，配合 `string.replaceall()` 实现如“ОченьПлохоеСлово” → “О**************о”的自动星号脱敏。

在实现俄语敏感词过滤（如 swearword censoring）时，常见需求是保留单词首尾字母以维持可读性或上下文识别，同时将中间所有字符替换为星号 *。由于 JavaScript（及多数主流语言）中的 \w 默认仅匹配 ASCII 字母、数字和下划线，不包含西里尔字母，因此 /\B\w\B/g 等依赖 Unicode 类别或词边界（\b/\B）的模式在俄文文本中会失效。

正确的解决方案是使用环视断言（lookaround assertions）构建位置匹配逻辑：

• (?<=[а-яА-ЯёЁ])：正向后瞻（positive lookbehind），确保当前字符前面是一个西里尔字母；
• [а-яА-ЯёЁ]：匹配一个西里尔字母（覆盖小写 а–я、大写 А–Я，以及带分音符的 ё 和 Ё）；
• (?=[а-яА-ЯёЁ])：正向前瞻（positive lookahead），确保当前字符后面也是一个西里尔字母。

三者组合 (?<=[а-яА-ЯёЁ])[а-яА-ЯёЁ](?=[а-яА-ЯёЁ]) 即精确匹配「位于两个西里尔字母之间的任意西里尔字母」——这天然排除了单词首字符（无前导西里尔字母）和末字符（无后续西里尔字母），完美满足需求。

✅ 使用示例（JavaScript）

const text = "ОченьПлохоеСлово и ещё, but this is good word"; const censored = text.replaceAll(/(?<=[а-яА-ЯёЁ])[а-яА-ЯёЁ](?=[а-яА-ЯёЁ])/g, '*'); console.log(censored); // 输出：О**************о и е*ё, but this is good word

⚠️ 注意事项

• 浏览器兼容性：replaceAll() 和正向后瞻 (?<=...) 在较老环境（如 IE、Node.js < 10.0）中不支持。若需兼容，可改用 replace() 配合全局正则 + 回调函数，或升级运行时。
• 边界情况处理：该正则默认不匹配长度 ≤ 2 的单词（如 он, я, ёж），因其无“中间字符”，符合预期；但若需处理单字节标点混排（如 слово! 中的 о!），建议先清洗或扩展字符集。
• 性能提示：环视本身不消耗字符，但多次回溯可能影响长文本性能。对于高并发过滤场景，可预编译正则对象（const censorRegex = /.../g）并复用。
• 扩展建议：如需支持其他斯拉夫语（如保加利亚语、塞尔维亚语），应补充对应字母范围（如 љњџћѕ 等），避免硬编码 а-я。

通过此方案，你无需分词或复杂状态机，即可在一行正则中稳健完成西里尔文本的中间字符脱敏，兼顾准确性、可维护性与执行效率。