在 javascript (nodejs) 中，我需要用 unicode 字符索引文本字符串，即给定如下字符串:
"Bonjour à tous le monde,
je voulais être le premier à vous dire:
-'comment ça va'
-<est-ce qu'il fait beau?>"
我想得到以下单词数组:
["Bonjour", "à", "tous", "le", "monde", "je", "voulais", "être", ... "beau"]
我如何使用正则表达式或任何其他方式实现这一目标？
ps: 我安装并尝试了 xregexp 模块，它为 javascript 提供了 unicode 支持，但通常对正则表达式毫无用处，我不能走得太远......
最佳答案
可以使用XRegExp bundled with addons的版本其中(除其他外)增加了对正则表达式 unicode 类别的支持。我们感兴趣的类别是 not an unicode letter，即 \P{L}。
然后，您可以通过正则表达式 XRegExp("\\P{L}+") 拆分您的字符串。
var s="Bonjour à tous le monde,\nje voulais être le premier à vous dire:\n -'comment ça va'\n -<est-ce qu'il fait beau?>";
var notALetter = XRegExp("\\P{L}+");
var words = XRegExp.split(s, notALetter);
参见 this fiddle .
关于javascript - 用unicode字符提取字符串中的单词，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/20422194/