javascript regex test() 无法识别丹麦语字符

Question

我使用 javascript 和正则表达式制作了一个搜索功能，很像具有自动完成功能的 facebook 搜索字段。 这工作正常，但是当我搜索丹麦字母 Æ、Ø、Å 时，.test() 函数将无法正确识别它，并且不会返回任何内容。

这基本上就是搜索部分的工作方式:

var regXSearch = "\\b"+sTerm;
//sTerm is the value of my search field       
var regX = new RegExp(regXSearch,"gi");
var nameCheck = regX.test(users[i]["User"]["name"]);

想象用户名为bjørn、østergård 和 jason:

• 如果我搜索“asbjør”、“asb”甚至“ørn”，将返回 true。
• 如果我搜索“øster”或“østergård”，它将返回 false。
• 如果我搜索“stergård”、“ård”甚至“rd”，它将返回 true
• 如果我搜索“j”、“jas”、“jaso”等，它将返回 true
• 如果我搜索“ason”或“son”，它将返回 false

我发现了一个 fiddle ，实际上可以用 æøå 进行搜索，但只有当你搜索整个单词时它才有效。我不足以解码其工作原理，但也许您可以使用它来找到解决我的问题的可能方法:http://jsfiddle.net/8Y3cM/17/

这个问题可以修复吗？还是我需要切换到某种插件搜索功能？

Answer 1

你的问题是双重的。

第一:\b 匹配其位置上的分词符。当一侧有单词字符而另一侧有非单词字符时，单词中断会匹配。您的正则表达式以 "\\b"+sTerm 开头因此 jason 将会失败上\bason和\bson ，但会匹配 \bj , \bjas和\bjaso 。如果 \b 左边没有“任何”那么它就被视为“不是单词字符”(没有单词字符，明白吗？:)，并且在失败的情况下有一些东西，而在匹配的情况下则没有。 p>

第二个:字符 ø和å在 Javascript 中不被视为“单词字符”，这个简单的测试将向您展示:

alert ("østergård".match(/\W+/g));

由于它们不被视为单词字符，\b 的行为与您的想法相反:

alert ("østergård".match(/\bøster/)); // null

它失败了，因为 \b在其右侧看到一个非单词字符( ø )，因此它应该与左侧的单词字符匹配(事实并非如此，那里什么也没有)。

适用于您的示例案例的小型测试套件:

var sTerm = [
    [ "asbjørn", "asbjør", "asb", "ørn" ],
    [ "østergård", "øster", "østergård" ],
    [ "østergård", "stergård", "ård", "rd" ],
    [ "jason", "j", "jas", "jaso" ],
    [ "jason", "ason", "son" ]
    ];

var r = '';
for (s=0; s<sTerm.length; s++)
{
    for (s2=1; s2<sTerm[s].length; s2++)
    {
        var regXSearch = "\\b"+sTerm[s][s2];
        //sTerm is the value of my search field       
        var regX = new RegExp(regXSearch,"gi");

        var nameCheck = regX.test(sTerm[s][0]);
        r += "["+sTerm[s][s2]+"] on ["+sTerm[s][0]+"] is "+nameCheck+'\r';
    }
}
alert (r);

显示与 true 相同的顺序和false正如你所报道的。如果删除 \b在regXSearch你会看到全部返回 true .

为什么你自己的“临时修复”可以修复它？

您将非单词字符(没有什么个人的，这只是根据 Javascript!)替换为有效的单词字符，这样您就得到了 \b 的预期行为。返回。

更好的解决办法是不要依赖 \b 的这种特定行为(并且，通过扩展， \w )。如果这些用户名可能出现在任何文本中的任何位置(因此不仅仅是字符串的开头)，您可以使用如下内容:

var regXSearch = "(^|[^\\wøå])"+sTerm;

其中正则表达式

(^|[^\\wøå])

代表

• ^字符串开头
• |或
• [^...] NOT ( ^ ) 任何字符 \w , ø , å