javascript - 使用 javascript 在正则表达式中使用语言环境字符

Question

我想用一个例子更容易解释:

'gracias senor'.match(/\w+/g)
["gracias", "senor"]

但是如果我使用任何非英文字符:

'gracias señor'.match(/\w+/g)
["gracias", "se", "or"]

有什么方法可以考虑 ñ、á é 等字符。

Answer 1

根据 Wikipedia , 西类牙字母表包括:

• 英文字母表:A-Z, a-z
• N 带变音波浪号:ñ 和 Ñ
• 重音字符:á、é、í、ó、ú , ü(及其对应的大写字符)

因为有两种方法可以指定带变音符号的字符:

• 单个字形:á
• 带有组合标记:á ("a\u0341")

您至少需要处理此类情况。值得庆幸的是，西类牙语字符上最多只有 1 个变音符号。

在 Unicode 中，也有分解为英文字母 A-Z 或 a-z 的字符。由于 JavaScript 的 RegExp 对 Unicode 的支持很差，而且它们很少被使用，所以我忽略了这些情况。

因此，要正确匹配西类牙字母表(单个字形和组合标记):

[aeiouAEIOU]\u0341|[uU]\u0308|[nN]\u0303|[a-zA-ZáéíóúüÁÉÍÓÚÜñÑ]

(注意 i 标志对非 US-ASCII 字符无效)。

---

回到匹配单词的问题。这取决于您对“单词字符”的定义。

假设一个“单词”(西类牙语)由西类牙语字母表和数字 0-9 组成:

(?:[aeiouAEIOU]\u0341|[uU]\u0308|[nN]\u0303|[a-zA-ZáéíóúüÁÉÍÓÚÜñÑ0-9])+

测试代码:

'gracias señor señor'.match(/(?:[aeiouAEIOU]\u0341|[uU]\u0308|[nN]\u0303|[a-zA-ZáéíóúüÁÉÍÓÚÜñÑ0-9])+/g).forEach(function(v){console.log(v + " " + v.length)});

输出(匹配的单词和长度):

gracias 7
señor 5
señor 6