Question

这是我今天遇到的一个有趣的片段：

/\ba/.test("a") --> true
/\bà/.test("à") --> false

然而，

/à/.test("à") --> true

首先， wtf？

其次，如果我想在单词的开头匹配重音字符，我该怎么做？（我真的想避免使用像/(?:^|\s|'| ....）

这样的过顶选择器

Answer 1

这对我有用：

/^[a-z\u00E0-\u00FC]+$/i

在here

的帮助下

Answer 2

/\bà/.test("à")不匹配的原因是因为“à”不是单词字符。转义序列\b仅在单词字符边界和非单词字符之间匹配。 /\ba/.test("a")匹配，因为“a”是单词字符。因此，字符串的开头（不是单词字符）和字母“a”之间有一个边界。

JavaScript正则表达式中的单词字符定义为[a-zA-Z0-9_]。

要匹配字符串开头的重音字符，只需使用正则表达式开头的^字符（例如/^à/）。该字符表示字符串的开头（与\b不同，它匹配字符串中的任何字边界）。它是最基本和标准的正则表达式，所以它绝对不会超过顶部。

Answer 3

Stack Overflow在正则表达式中也存在非ASCII字符的问题，您可以找到它here。他们没有处理单词边界，但可能会给你提供有用的提示。

还有另一个page，但他希望匹配字符串，而不是单词。

我不知道，现在还没找到，是你问题的主播，但是当我看到我的第一个链接中使用了什么怪物正则表达时，你想要避免的群组不会超过顶部在我看来你的解决方案。

Answer 4

如果您想匹配字母（无论是否带有重音），unicode property escapes可能会有所帮助。

/\p{Letter}*/u.test("à"); // true
/\p{Letter}/u.test('œ'); // true
/\p{Letter}/u.test('a'); // true
/\p{Letter}/u.test('3'); // false
/\p{Letter}/u.test('a'); // true

匹配单词的开头很棘手，但是(?<=(?:^|\s))似乎可以解决问题。 (?<= )是一个积极的回顾，确保在主表达式之前存在某些内容。 (?: )是一个非捕获组，因此在以后使用的任何匹配中，您最终都不会引用此部分。如果未设置多行标志，则^将匹配字符串的开头；如果已设置多行标志，则\s将匹配字符串的开头，并且/(?<=(?:^|\s))\p{Letter}*/u将匹配空格字符（空格/制表符/ linebreak）。

因此，将它们一起使用，将类似于：

/(?<=(?:^|\s))[^a-zA-Z]\p{Letter}*/u.match("bœ") // false /(?<=(?:^|\s))[^a-zA-Z]\p{Letter}*/u.match("œb") // true

如果只想将重音符与字符串的开头匹配，则需要为a-zA-Z取反的字符集。

// Match characters, accented or not
let regex = /\p{Letter}+$/u;

console.log(regex.test("œb")); // true
console.log(regex.test("bœb")); // true
console.log(regex.test("àbby")); // true
console.log(regex.test("à3")); // false
console.log(regex.test("16 tons")); // true
console.log(regex.test("3 œ")); // true

console.log('-----');

// Match characters to start of line, only match characters

regex = /(?<=(?:^|\s))\p{Letter}+$/u;

console.log(regex.test("œb")); // true
console.log(regex.test("bœb")); // true
console.log(regex.test("àbby")); // true
console.log(regex.test("à3")); // false

console.log('----');

// Match accented character to start of word, only match characters

regex = /(?<=(?:^|\s))[^a-zA-Z]\p{Letter}+$/u;

console.log(regex.test("œb")); // true
console.log(regex.test("bœb")); // false
console.log(regex.test("àbby")); // true
console.log(regex.test("à3")); // false

SDL_WINDOW_SHOWN

Answer 5

const regex = /^[\-/A-Za-z\u00C0-\u017F ]+$/;
const test1 = regex.test("à");
const test2 = regex.test("Martinez-Cortez");
const test3 = regex.test("Leonardo da vinci");
const test4 = regex.test("ï");

console.log('test1', test1);
console.log('test2', test2);
console.log('test3', test3);
console.log('test4', test4);

基于Wak和Cœur的答案：

/^[\-/A-Za-z\u00C0-\u017F ]+$/

也适用于空格和破折号。

例如：莱昂纳多·达·芬奇，马丁内斯·科尔特斯

Answer 6

Unicode允许某些重音字符的两种替代但等效的表示形式。例如，é具有两个Unicode表示形式：'\u0039'和'\u0065\u0301'。前者称为合成形式，后者称为分解形式。 JavaScript允许在两者之间进行转换：

'é'.normalize('NFD') // decompose: '\u0039' -> '\u0065\u0301'
'é'.normalize('NFC') // compose: '\u0065\u0301' -> '\u0039'
'é'.length // composed form: -> 1
'é'.length // decomposed form: -> 2 (looks identical but has different representation)
'é' == 'é' // -> false (composed and decomposed strings are not equal)

代码点'\u0301'属于Unicode组合变音标记代码块0300-036F。因此，匹配这些重音字符的一种方法是将它们以分解形式进行比较：

// matching accented characters
/[a-zA-Z][\u0300-\u036f]+/.test('é'.normalize('NFD')) // -> true
/\bé/.test('é') // -> false
/\bé/.test('é'.normalize('NFD')) // -> true (NOTE: /\bé/ uses the decomposed form)

// matching accented words
/^\w+$/.test('résumé') // -> false
/^(?:[a-zA-Z][\u0300-\u036f]*)+$/.test('résumé'.normalize('NFD')) // -> true

使用Javascript正则表达式匹配重音字符

6 个答案: