javascript - Javascript unicode（希腊语）正则表达式

Question

我想在希腊文本中使用这个正则表达式new RegExp("\b"+pat+"\b")但 "\b" 元字符只支持 ASCII 字符。

我尝试了 XregExp库，但我没有设法解决这个问题。

任何建议将不胜感激。

Answer 1

我认为这对您的回答很有帮助。,

<script src="xregexp.js"></script>
<script src="xregexp-unicode-base.js"></script>
<script>
    var unicodeWord = XRegExp("^\\p{L}+$");

    unicodeWord.test("Русский"); // true
    unicodeWord.test("日本語"); // true
    unicodeWord.test("العربية"); // true
</script>

<!-- \p{L} is included in the base script, but other categories, scripts,
and blocks require token packages -->
<script src="xregexp-unicode-scripts.js"></script>
<script>
    XRegExp("^\\p{Katakana}+$").test("カタカナ"); // true
</script>

请参考以下位置：http: //xregexp.com/plugins/

Answer 2

所以答案就是，你不能使用 JavaScript 原生机制或任何使用这些机制的库来按照你想要的方式匹配单词。正如您已经说过的， \b 匹配单词。单词必须由单词字符组成。在 JavaScript 中（实际上其他正则表达式实现的单词字符是az、AZ、0-9 和 _。但是许多其他语言只是以 JavaScript 不同的方式实现 \b 元字符。

答案“JavaScript 不支持 Unicode”有点简单，实际上完全错误。JavaScript 只是不将 unicode 用于字符类。如果 JavaScript 不支持 unicode，你甚至不能在字符串文字中使用 unicode 字符，当然这在 JavaScript 中是可能的。

根据ECMA 262 标准(ECMAScript)（第 15.10.2.6 节）：

[...] 生产 Assertion :: \ b 通过返回一个内部 AssertionTester 闭包进行评估，该闭包采用 State 参数 x 并执行以下操作：

1. 设 e 为 x 的 endIndex。
2. 调用 IsWordChar(e–1) 并将 a 作为布尔结果。
3. 调用 IsWordChar(e) 并设 b 为布尔结果。
4. 如果 a 为真且 b 为假，则返回真。
5. 如果 a 为假且 b 为真，则返回真。
6. 返回假。[..]

抽象操作 IsWordChar 采用整数参数 e 并执行以下操作：

1. 如果 e == –1 或 e == InputLength，则返回 false。
2. 设 c 为字符 Input[e]。
3. 如果 c 是下面 63 个字符之一，则返回 true。abcdefghijklmnopqrstu vwxyz ABCDEFGHIJKLMNOPQRSTU VWXYZ 0 1 2 3 4 5 6 7 8 9 _
4. 返回假

这只是表明，\b 使用“isWordChar”的算法来检查您尝试匹配的内容是否实际上是一个单词。在“isWordChar”的定义中，您可以看到哪些字符将为“isWordChar”返回真值的确切定义。

在我看来，这与所使用的字符集完全无关。这里既不是 ASCII 也不是 UNICODE 兼容的。就是这63个字符。