Question

我需要一些帮助来替换字符串中的所有非单词字符。

例如，(stadtbezirkspräsident'应该成为stadtbezirkspräsident。

这个正则表达式适用于所有语言，所以它有点棘手，因为我不知道如何匹配ñ或œ等字符。我尝试用

解决这个问题

string.replace(/[&\/\\#,+()$~%.'":*?<>-_{}]/g,' ');

但仍有很多特殊字符，例如Ø左边。

也许有一个通用的选择器，或者之前有人解决了这个问题？

Answer 1

尝试使用技巧

str.replace(/(?!\w)[\x00-\xC0]/g, '')

Answer 2

如果您自己定义了所有Unicode范围，那将会有很多工作。

使用Steven Levithan的XRexExp package with Unicode add-ons并使用其Unicode属性快捷方式可能更有意义：

var regex = new XRegExp("\\P{L}+", "g")
string = XRegExp.replace(string, regex, "")

Answer 3

这更像是对Tim Pietzcker的回答，但是在评论中提供代码很尴尬......这是使用XRexExp包的一个简单示例：

<p id=orig>Bundespräsident / ß+ð/ə¿α!</p>
<p id=new></p>
<script src="http://cdnjs.cloudflare.com/ajax/libs/xregexp/2.0.0/xregexp-min.js">
</script>
<script src="http://xregexp.com/addons/unicode/unicode-base.js">
</script>
<script>
var regex = new XRegExp("\\P{L}+", "g");
var string = document.getElementById('orig').innerHTML;
string = XRegExp.replace(string, regex, "");
document.getElementById('new').innerHTML = string;
</script>

对于生产用途，您可能希望下载某些版本的基本软件包和Unicode插件，并在服务器上使用它们。

注意：代码检查Unicode中未分类为字母（字母）的字符。我认为这与“单词字符”的含义相对应，尽管自然语言中的单词可能包含连字符，撇号和其他非字母。

请注意，字符会添加到Unicode中，并且字符的类别可能（很少）会更改。但是包装一直保持良好状态;它对应于Unicode 6.1（版本6.2已经出来，但它没有新的字母）。

替换所有非单词字符，例如？* +＃

3 个答案: