在处理用户输入、文件内容或接口返回的多语言字符串时，我们常常需要判断或提取其中包含特殊字符（如á）的文本。这类字符不属于基本的ASCII码范围，如果正则表达式只写[a-z]之类的规则，就会直接忽略它们。要正确匹配，核心思路是借助Unicode相关特性来覆盖这些字母。
为什么普通正则匹配不到á
字符á在Unicode中属于拉丁字母补充区，它的码点不在传统的A-Z、a-z之中。大多数语言默认按字节或基础ASCII解析时，无法识别它的语义，因此像[a-z]这样的表达式天生就会漏掉它。
使用Unicode属性转义（以JavaScript为例）
现代JavaScript正则支持u标志和p{}语法，可以直接按Unicode字符属性来写规则。下面的代码演示如何匹配包含á或其他重音字母的单词：
// 使用u修饰符和Unicode属性转义匹配拉丁字母（含重音）
const regex = /p{L}+/gu;
const text = 'café, naïf, hello, árbol';
const result = text.match(regex);
console.log(result);
// 输出: [ 'café', 'naïf', 'hello', 'árbol' ]
其中p{L}表示任意语言的字母，加上u标志后引擎会按Unicode码点解析，所以á自然被包含在内。
在Python中匹配含á的文本
Python的re模块默认按Unicode处理字符串（Py3），可以直接把á写进字符组，或用范围表示：
import re # 直接写入特殊字符 pattern = re.compile(r'[a-záéíóúñ]+', re.UNICODE) text = 'café árbol quit' matches = pattern.findall(text) print(matches) # 输出: ['café', 'árbol', 'quit']
通用做法：按Unicode块范围写正则
如果不想依赖语言高级特性，也可以查表写出á所在的Unicode范围。例如拉丁补充区大致为u00C0-u00FF，可这样写：
// 匹配包含拉丁补充字符（如á）的字符串
const hasSpecial = /[u00C0-u00FF]/;
console.log(hasSpecial.test('café')); // true
console.log(hasSpecial.test('coffee')); // false
小结
匹配包含á等特殊字符的文本，关键不在于把字符硬抄进表达式，而在于让正则引擎以Unicode视角工作。优先使用语言提供的Unicode属性或明确声明Unicode模式，能减少很多乱码和误判问题。