Unicode 与索引

匹配单位是字素簇

Intl.Segmenter 将文本分成用户感知的字素簇。家庭 emoji 👨‍👩‍👧‍👦 是一个字素，但占 11 个 UTF-16 码元；é（e 加组合重音）是一个字素，占两个码元。JavaScript slice() 按 UTF-16 码元计数。

const text = '😀é👨‍👩‍👧‍👦'
const ac = new AhoCorasick(['é', '👨‍👩‍👧‍👦'])
ac.search(text)
// é: start 2, end 4; 家庭: start 4, end 15

工作台显示的字素结束索引分别为 1 与 2；库返回范围 [2, 4) 与 [4, 15)。它们描述相同命中，但只有后者可直接用于 slice()。

精确边界与字符形式

关键词必须匹配完整字素。e 不匹配 é 的内部；单个人物 emoji 不匹配 ZWJ 家庭内部。规范等价的形式不会自动视为相同：é 与 é 是不同输入。库不执行规范化或大小写折叠。

如果应用需要规范化，请一致处理关键词与文本。返回坐标将针对变换后的文本，不能在没有单独映射的情况下用于原文。

大小写处理

默认区分大小写。仅针对 ASCII 的简单忽略大小写示例：

const text = 'Hello WORLD'
const ac = new AhoCorasick(['hello', 'world'])
ac.search(text.toLowerCase())

Unicode 小写转换可能改变长度与分词（例如 İ），不可假设转换后的坐标仍适用于原文。库没有内置忽略大小写选项。

空输入

new AhoCorasick([]) 合法，扫描无结果。new AhoCorasick(['']) 抛出 RangeError，空关键词不是通配符。工作台按逗号拆分关键词、去除两端空白并忽略空项，但完整保留待搜索文本的空格与换行，重复关键词仍保留。