我正在尝试使用 javascript 代码在某些文本中查找 URL。问题是，我使用的正则表达式使用 \w 来匹配 URL 中的字母和数字，但它不匹配非英语字符（在我的情况下 - 希伯来字母）。
那么我可以用什么代替 \w 来匹配所有语言的所有字母？
Hitchhiker
问问题
8844 次
10 回答
17
因为\w只匹配 ASCII 字符 48-57 ('0'-'9')、67-90 ('A'-'Z') 和 97-122 ('a'-'z')。希伯来语字符和其他特殊外语字符（例如，变音符号-o 或波浪号-n）不在该范围内。
与其匹配外语字符（它们有很多，在许多不同的 ASCII 范围内），不如寻找描述单词的字符 - 空格、引号和其他标点符号。
于 2008-12-29T14:22:06.237 回答
7
定义通常称为 JavaScript 的编程语言的 ECMA 262 v3 标准规定\w应该等价于 [a-zA-Z0-9_] 并且\d应该等价于 [0-9]。\s另一方面，根据标准匹配 ASCII 和 Unicode 空白。
JavaScript 也不支持\p匹配 Unicode 事物的语法，因此没有很好的方法来做到这一点。您可以将所有希伯来语字符与：
[\u0590-\u05FF]
这只是匹配希伯来语块中的任何代码点。
您可以匹配任何 ASCII 单词字符或任何希伯来字符：
[\w\u0590-\u05FF]
于 2008-12-30T13:33:53.790 回答
6
我认为您正在寻找这个正则表达式：
^[אבגדהוזחטיכלמנסעפצקרשתץףןםa-zA-z0-9\s\.\-_\\\/]+$
于 2010-09-16T06:33:19.930 回答
3
我刚刚找到了尚未提及的XRegExp ，我对它印象深刻。它是一种替代的正则表达式实现，有一个unicode 插件，并在 MIT 许可下获得许可。
根据该网站，要匹配 unicode 字符，您将使用这样的代码：
var unicodeWord = XRegExp("^\\p{L}+$");
unicodeWord.test("Русский"); // true
unicodeWord.test("日本語"); // true
unicodeWord.test("العربية"); // true
于 2011-09-16T09:26:50.053 回答
2
试试这个 \p{L} unicode regex to Letters
于 2013-04-26T16:02:40.617 回答
1
看看http://www.regular-expressions.info/refunicode.html。
看起来没有 \w 等效于 unicode，但您可以匹配单个 unicode 字母，因此您可以创建它。
于 2008-12-29T14:22:33.210 回答
1
检查this SO Question about JavaScript and Unicode out。看起来 Jan Goyvaerts 的回答为您提供了一些希望。
编辑：但是似乎所有浏览器都不支持 \p ...无论如何。该问题应包含有用的信息。
于 2008-12-29T14:22:51.650 回答
1
请注意，W3C 指定 URI（作为 URL 的超集）仅允许使用 US-ASCII 字符。通常所有其他字符都应该用百分号表示：
在本地或区域环境中，随着技术的进步，用户可能会受益于能够使用更广泛的字符；本规范未定义此类使用。如果方案或引用 URI 的协议元素允许这种表示，则可以在 URI 中使用百分比编码的八位字节（第 2.1 节）来表示 US-ASCII 编码字符集范围之外的字符。这样的定义应该指定用于在对 URI 进行百分比编码之前将这些字符映射到八位字节的字符编码。// URI：通用语法
当您在浏览器中打开带有非 ASCII 字符的 URL 时，通常会发生这种情况，它们会被转换为 %AB 表示法，而后者又是US-ASCII。
如果可以影响材料的创建方式，最好的选择是在创建过程中将 URL 置于 urlencode() 类型函数中。
于 2008-12-30T14:50:20.360 回答
0
也许 \S （非空白）。
于 2008-12-29T14:21:14.070 回答
0
如果您是生成其中包含非英文字母的 URL 的人，您可能需要重新考虑。
如果我正确解释了 W3C，则 URL 可能只包含 latin alphabet 中的单词字符。
于 2008-12-29T15:36:38.053 回答