5

我的带有梵文单词的 HTML 代码

<html>
<head>
<title>TODO</title>
<meta charset="UTF-8">
</head>
<body>
    मंत्री मुख्यमंत्री 
</body>
    <script src="jquery-1.11.0.min.js"></script>
    <script src="xregexp_20.js"></script>
    <script src="addons/unicode/unicode-base.js"></script>
    <script src="addons/unicode/unicode-scripts.js"></script>
    <script src="my.js"></script>
</html>

我的 JavaScript 代码

var html = document.getElementsByTagName("html")[0];
var fullpage_content = html.innerHTML;

var regex = RegExp("मंत्री", "g");
var count = fullpage_content.match(regex);
console.log("count in page : " + count+ ", " + count.length);

//use of word boundry ,not supported by devanagari characters
regex = RegExp("\\bमंत्री\\b", "g");
count = fullpage_content.match(regex);
console.log("count in page : " + count);

regex = XRegExp("मंत्री");
var match = XRegExp.matchChain(fullpage_content, [regex]);
console.log("count in page : " + match + ", " + match.length);

//xregex do not support word boundry \\b
regex = XRegExp("\\bमंत्री\\b");
match = XRegExp.matchChain(fullpage_content, [regex]);
console.log("count in page : " + match + ", " + match.length);

js 的输出（在 Chrome 上）

页数：मंत्री,मंत्री, 2

页数：null

页数：मंत्री,मंत्री, 2

页数: , 0

整个单词搜索应该给出一个答案，但是 regexp 和 XRegExp 都让我失望了。我需要一些帮助。

4

4 回答 4

3

使用这个正则表达式，我可以在 मंत्री 上得到匹配，但排除 मुख्यमंत्री：

var regex = XRegExp("(?:^|\\P{L})मंत्री(?=\\P{L}|$)");

它的作用是匹配 मंत्री 如果它：

  1. 位于字符串的开头或前面有一个 Unicode 认为是非字母的字符，并且

  2. 位于字符串的末尾或后跟一个 Unicode 认为是非字母的字符。

\b请注意，这与不\b匹配数字略有不同。例如，/\bmantri\b/将不匹配，mantri123因为1,2和3被认为是单词的一部分，因此不标记单词边界。如果你想要模仿的东西，\b那么这会做到：

var regex = XRegExp("(?:^|[^\\p{L}\\p{N}])मंत्री(?=[^\\p{L}\\p{N}]|$)");

与第一个正则表达式的不同之处在于，这个 मंत्री 不能在数字之前或之后。

我在正则表达式的末尾使用了否定前瞻，因此您的单词后面的字符被排除在结果之外。没有等效的否定后视，因此如果在 मंत्री 之前有一个字符，它将出现在结果中。您必须决定要针对您的特定应用程序使用此角色做什么。

于 2014-04-23T11:07:00.103 回答
1 
regex = XRegExp("(?:^|[^\\p{Devanagari}\\p{L}])मंत्री(?=[^\\p{Devanagari}\\p{L}]|$)");

解决了。特别感谢路易斯。在最终确定之前，我测试了一个更严格的测试用例。

मंतीीीमंीीीीीीीीीीी 。

मंत्री, मंत्री

मंत्री,मंत्री मंत्री मुख्यमंत्री

于 2014-04-25T07:38:20.100 回答
0

在小提琴中添加这个并检查是否有什么帮助你

alert(fullpage_content);
//match(/मंत्री/g);
alert("मंत्री मुख्यमंत्री".match(/मंत्री/g));
于 2014-04-23T08:21:55.837 回答
0

如果您假设每个单词后跟一个或多个空格作为字符中断，那么遵循 js 正则表达式将为您提供正确的结果

console.log("count inline without xRegExp:" + "मंत्री मुख्यमंत्री".match(/मंत्री\s+/g));
于 2014-04-23T08:45:48.660 回答