javascript - 计算外语中出现的字符数

Question

是否有任何优化的方法来实现非英文字母的字符计数？例如，如果我们用英文单词“Mother”，它是一个 6 个字母的单词。但是，如果您在泰米尔语中键入相同的单词 (மதர்)，它是一个三个字母的单词 (ம+த+ர்)，但最后一个字母 (ர்) 将被系统视为两个字符 (ர+ஂ=ர்)。那么有什么方法可以统计真实字符的个数吗？

一个线索是，如果我们将键盘上的光标移动到单词(மதர்)，它只会通过3个字母而不是系统考虑的4个字符，那么有什么办法可以通过这个找到解决方案？对此的任何帮助将不胜感激...

Answer 1

更新

吃完午饭回来 =) 恐怕以前的任何外语都无法很好地工作 所以我用一种可能的方式添加了另一个 fiddle

var UnicodeNsm = [Array 1280] //It holds all escaped Unicode Non Space Marks
function countNSMString(str) {
    var chars = str.split("");
    var count = 0;
    for (var i = 0,ilen = chars.length;i<ilen;i++) {
      if(UnicodeNsm.indexOf(escape(chars[i])) == -1) {
        count++;
       }
    }
    return count;
}

var English = "Mother";  
var Tamil = "மதர்";
var Vietnamese = "mẹ"
var Hindi = "मां"

function logL (str) {    
      console.log(str + " has " + countNSMString(str) + " visible Characters and " + str.length + " normal Characters" ); //"மதர் has 3 visible Characters"
}

logL(English) //"Mother has 6 visible Characters and 6 normal Characters"
logL(Tamil) //"மதர் has 3 visible Characters and 4 normal Characters"
logL(Vietnamese) //"mẹ has 2 visible Characters and 3 normal Characters"
logL(Hindi) //"मां has 1 visible Characters and 3 normal Characters"

所以这只是检查字符串中是否有任何字符是 Unicode NSM 字符并忽略它的计数，这应该适用于大多数语言，而不仅仅是泰米尔语， 一个包含 1280 个元素的数组应该不是什么大的性能问题

这是一个包含 Unicode NSM 的列表 http://www.fileformat.info/info/unicode/category/Mn/list.htm

这是根据 JSBin

---

在尝试了一些字符串操作之后，结果是 String.indexOf 返回相同的 for

"ர்" 和 "ர" 意义
"ர்ரர".indexOf("ர்") == "ர்ரர".indexOf("ர"+ "்")//true 但
"ர்ரர".indexOf("ர") == "ர்ரர".indexOf("ர"+ "ர")//假

我借此机会尝试了这样的事情

//ர்

var char = "ரர்ர்ரர்்";
var char2 = "ரரர்ர்ரர்்";    
var char3 = "ர்ரர்ர்ரர்்";

function countStr(str) {
         var  chars = str.split("");
         var count = 0;
          for(var i = 0, ilen = chars.length;i<ilen;i++) {
                 var chars2 = chars[i] + chars[i+1];   
                 if (str.indexOf(chars[i]) == str.indexOf(chars2))
                   i += 1;
               count++;
            }
         return count;
 }


console.log("--");

console.log(countStr(char)); //6

console.log(countStr(char2)); //7

console.log(countStr(char3)); //7

这似乎适用于上面的字符串，它可能需要一些调整，因为我对编码和其他东西一无所知，但也许你可以从它开始

这是 JSBin