javascript - 替换所有非单词字符，如 ?*+#

Question

我需要一些帮助来替换字符串中的所有非单词字符。

作为一个例子(stadtbezirkspräsident'应该成为stadtbezirkspräsident.

这个正则表达式应该适用于所有语言，所以它有点棘手，因为我不知道如何匹配像ñor之类的字符œ。我试着用

string.replace(/[&\/\\#,+()$~%.'":*?<>-_{}]/g,' ');

但仍有许多特殊字符，Ø如左。

也许有一个通用的选择器，或者以前有人解决过这个问题？

Answer 1

尝试使用技巧

str.replace(/(?!\w)[\x00-\xC0]/g, '')

Answer 2

如果您自己定义了所有 Unicode 范围，那将是很多工作。

XRexExp将 Steven Levithan 的包与 Unicode 附加组件一起使用并利用其 Unicode 属性快捷方式可能更有意义：

var regex = new XRegExp("\\P{L}+", "g")
string = XRegExp.replace(string, regex, "")

Answer 3

这更像是对 Tim Pietzcker 的回答的评论，但在评论中呈现代码很尴尬......这是使用 XRexExp 包的简单示例：

<p id=orig>Bundespräsident / ß+ð/ə¿α!</p>
<p id=new></p>
<script src="http://cdnjs.cloudflare.com/ajax/libs/xregexp/2.0.0/xregexp-min.js">
</script>
<script src="http://xregexp.com/addons/unicode/unicode-base.js">
</script>
<script>
var regex = new XRegExp("\\P{L}+", "g");
var string = document.getElementById('orig').innerHTML;
string = XRegExp.replace(string, regex, "");
document.getElementById('new').innerHTML = string;
</script>

对于生产用途，您可能需要下载一些版本的基本包和 Unicode 插件并在您的服务器上使用它们。

注意：代码检查未分类为 Unicode 中字母（字母）的字符。我想这与您所说的“单词字符”相对应，尽管自然语言中的单词可能包含连字符、撇号和其他非字母。

请注意，字符会添加到 Unicode 中，并且字符的类别可能（很少）发生变化。不过，该软件包维护得很好；它对应于 Unicode 6.1（6.2 版已经发布，但没有新字母）。