Can negation in regex in Notepad++ match emoji or other unicode char at U+10000 and above outside the Basic Multilingual Plane (BMP)?

TLDR:

Вы можете использовать

videoPrimaryInfoRenderer":{"title":{"runs":\[{"text":"\K(?:(?!").[\x{DC00}-\x{DFFF}]?)+

Вы можете обратиться к Regexp не соответствует символам UTF-8 Сообщение сообщества Notepad++:

К сожалению, в классах символов, о которых вы упомянули, это означает, что символы за пределами BMP (с U+10000 и выше), хотя их можно найти с помощью ^.+, не могут быть найдены с помощью чего-то, что кажется эквивалентным, например ^[\s\S]+

Проблемы возникают при поиске символов Юникода, находящихся в базовой многоязычной плоскости (BMP), кодовая точка которых находится между \x{10000} и \x{10FFFF} (то есть над \x{FFFF}).

Например, когда код смайла 🤣 закончился \x{FFFF}:

• Его невозможно представить в реальном синтаксисе регулярных выражений \x{1F923} из-за ошибки нынешнего механизма регулярных выражений Boost, который обрабатывает не все символы в истинной 32-битной кодировке, а только в кодировке UTF-16:-(( Итак, ищем \x{1F4A6} приводит к сообщению об ошибке Find: Invalid regular expression
• Более того, простой символ точки (?-s). в регулярном выражении не может соответствовать символу, а также кодовой точке Unicode > \x{FFFF}!
• Конечно, если вы вставите свой персонаж непосредственно в зону «Найти что:», он обнаружит все вхождения символа ROLLING ON THE FLOOR LAUGHING!

К счастью, кодирование символов нашего механизма регулярных выражений Boost в UTF-16 позволяет кодировать все символы, начиная с кодовой точки \x{FFFF}, благодаря механизму суррогатов. См. общие сведения ниже:

https://en.wikipedia.org/wiki/UTF-16

Короче говоря, суррогатную пару символов с кодовой точкой Unicode в диапазоне от \x{10000} до \x{10FFFF} можно описать регулярным выражением:

\x{hhhh}\x{iiii} где D800 < hhhh < DBFF и DC00 < iiii < DFFF

Таким образом, если регулярное выражение включает в себя пару суррогатов (два 16-битных блока) символа, который находится над BMP, наш механизм регулярных выражений сможет сопоставить его. Например, поскольку суррогатной парой символа ROLLING ON THE FLOOR LAUGHING является D83E DD23, регулярное выражение \x{D83E}\x{DD23} находит все вхождения вашего смайлика!

• Полное объяснение двух 16-битных кодовых единиц, называемых суррогатной парой, см.:
  https://en.wikipedia.org/wiki/UTF-16#Code_points_from_U+010000_to_U+10FFFF

• Для расчета пары суррогатов конкретного символа с кодом над \x{FFFF} обратитесь либо к :
  http://www.russellcottrell.com/greek/utilities/SurrogatePairCalculator.htm
  http://www.cogsci.ed.ac.uk/~richard/utf-8.cgi

• На нашем сайте дополнительную информацию можно получить здесь:
  https://community.notepad-plus-plus.org/post/51068
  https://community.notepad-plus-plus.org/post/43037

и недавно я предложил макрос Notepad++, который заменяет любой выбор синтаксиса \xhhhhh их суррогатными парными эквивалентами \x{Dhhh}\x{Diii} ! Смотрите ниже :
https://community.notepad-plus-plus.org/post/57528

Резюме:

Таким образом, из-за использования UTF-16 вместо UTF-32 в настоящей реализации библиотеки Boost Regex в N++:

• Используйте простое регулярное выражение (?-s). для соответствия любому стандартному символу от \x{0000} до \x{FFFF} (не включая символы EOL и символы подачи формы \x0c).

• ВАЖНО: Из механизма суррогатов, описанного выше, можно подумать, что регулярное выражение [\x{D800}-\x{DBFF][\x{DC00}-\x{DFFF}] должно найти все символы с кодовой точкой Юникода над \x{FFFF}. К сожалению, этот синтаксис не работает!? Итак, нам нужно использовать эти производные регулярные выражения:

• (?-s).[\x{DC00}-\x{DFFF}] для соответствия любому стандартному символу от \x{10000} до \x{10FFFF}

• (?-s).[\x{DC00}-\x{DFFF}]?, чтобы соответствовать всем стандартным символам, от \x{0000} до \x{10FFFF}

И :

• Чтобы сопоставить определенный символ BMP, от \x{0000} до \x{FFFF}, используйте синтаксис регулярного выражения \x{hhhh} с четырьмя шестнадцатеричными числами.

• Чтобы сопоставить определенный символ с BMP, от \x{10000} до \x{10FFFF}, используйте эквивалентную пару старших и младших суррогатов с синтаксисом регулярного выражения \x{<high>}\x{<low>}, заменяя значения <high> и <low> их точными шестнадцатеричными значениями, используя каждые 4 шестнадцатеричных числа.