是否有通过 JavaScript 正则表达式（使用“xregexp”JS library cab）在日语字符串中查找单词边界的解决方案（例如：“私はマーケットに行きました。”）？
例如：
var xr = RegExp("\\bst","g");
xr.test("The string") // --> true
对于日语字符串，我需要相同的逻辑。
问问题
1945 次
2 回答
6
然而，将日语句子分成单词的实际问题比看起来要复杂得多，因为单词并没有像在英语中那样被分隔成空格。
例如，句子私はマーケットに行きました。（“我去了市场”）有以下词：
- 私 - watakushi
- は - 哇
- マーケット - maaketto
- に - 你
- 行きました - ikimashita
- 。 - （时期）
一个可靠的日语句子解析器除其他外，必须找到句子中的粒子（wa 和 ni）的位置，以便找到剩余的单词。
于 2011-10-28T11:19:03.540 回答
4
\b,\w和\W, 在 JavaScript 中不支持 Unicode。您必须将单词边界定义为特定的字符集。喜欢(^|$|[\s.,:\u3002]+)或类似。
\u3002是从('。'.charCodeAt(0)).toString(16)。是日文的标点符号吗？
或者，相反，定义一个 Unicode 范围的单词构造字母并将其否定：
var boundaries = /(^|$|\s+|[^\u30A0–\u30FA]+)/g;
于 2011-10-28T10:08:47.650 回答