javascript - 带有西里尔字母的正则表达式

Question

我有一个用于在 textarea 字段中进行字数统计的 jQuery 函数。此外，它排除了所有在 [[[三方括号]]] 中封闭的单词。它适用于拉丁字符，但它对西里尔语句子有问题。我想该错误部分与正则表达式有关：

$(field).val().replace(/\[\[\[[^\]]*\]\]\]/g, '').match(/\b/g);

两种短语的示例：http: //jsfiddle.net/A3cEG/2/

我需要计算所有单词，包括西里尔语表达，而不仅仅是拉丁语单词。怎么做？

score 53 · Accepted Answer

JavaScript（至少是最广泛使用的版本）不完全支持 Unicode。即\w只匹配拉丁字母、十进制数字和下划线( [a-zA-Z0-9_])，\b匹配单词字符与非单词字符的边界。

要使用拉丁文或西里尔文查找输入字符串中的所有单词，您必须执行以下操作：

.match(/[\wа-я]+/ig); // where а is the Cyrillic а.

或者，如果您愿意：

.match(/[\w\u0430-\u044f]+/ig);

当然这可能意味着你需要稍微调整你的代码，因为这里它将匹配所有单词而不是单词边界。请注意，与此处[а-я]所述的“基本西里尔字母”中的任何字母匹配。要匹配此范围之外的字母，您可以根据需要修改字符集以包含这些字母，例如，为了也匹配俄语 Ё/ё，使用.[а-яё]

另请注意，您的三括号模式可以简化为：

.replace(/\[{3}[^]]*]{3}/g, '')

或者，您可能想查看XRegExp项目（这是一个开源项目，用于向基本 JavaScript 正则表达式引擎添加新功能）及其Unicode插件。

score 8 · Accepted Answer

请注意使用西里尔字母范围，其中可能包含不必要的字符。有防弹正则表达式只包含西里尔字母：

/^[аАбБвВгГдДеЕёЁжЖзЗиИйЙкКлЛмМнНоОпПрРсСтТуУфФхХцЦчЧшШщЩъЪыЫьЬэЭюЮяЯ]+$/

score 1 · Accepted Answer

您可以添加/u标志，它允许您使用 Unicode。

添加此标志时，您的示例将起作用。

score 0 · Accepted Answer

除了最受好评的答案之外，您也可以这样做：

.match(/[\w\p{sc=Cyrillic}]+/ug);

你可以在这里阅读更多关于它的信息。

4 回答 4