Question

我需要解析一个希伯来语句子来识别和隔离（所以我可以用'span'标签包装它们）中的每个单词。我首先尝试通过从空格字符中识别非空格字符而没有标点符号，但仍然不起作用：

var regex = /(\s)*(\S)+(\s)*/g;

任何想法？感谢

编辑：我已经有了一个用英语完成工作的正则表达式，我会把它放在以防万一我能想要实现的目的：

var regExp = /\b([^\s']+)\b/g,

edit2：添加代码示例

var regex = /(\s)*(\S)+(\s)*/g;
var sentence = "שלום מה קורה מהיום";
sentence.replace(regex, function(match, p1, p2, p3){console.log('"' + match + '"', '"' + p1 + '"', '"' + p2 + '"', '"' + p3 + '"');});


// result
"שלום " "undefined" "ם" " " VM1494:2
"מה " "undefined" "ה" " " VM1494:2
"קורה " "undefined" "ה" " " VM1494:2
"היום" "undefined" "ם" "undefined" VM1494:2
"undefinedundefinedundefinedundefined"

edit3：我需要能够在最后使用相同的标点符号重新组合句子。

Answer 1

好吧，你可能知道网上的希伯来语是个婊子。尝试使用此正则表达式：

[\s]*(\S)+[\s]*

示例：

var words = sentence.match(/[\s]*(\S)+[\s]*/g);

它确实留在尾随空格中以清除它们你可以做这样的事情：

words = words.join().split(" ")

我正在尝试其他一些正则表达式的变种来试图绕过连接分裂黑客，如果我找到任何东西，我会更新。

此外，您可以采用“替换”方式并执行：

var words = sentence.replace(/[#`~?!#\$%\.;:,]*/g, "").split(" ")

只需确保添加可能使用的任何标点符号。

然后，要获取包含span标记的单词的新HTML字符串，您可以执行以下操作：

让我们说：

var sentence = "?שלום, מה קורה מהיום"
var words = sentence.replace(/[#`~?!#\$%\.;:,]*/g, "").split(" ")

然后：

var newSentence = encodeURI(sentence)
words.forEach(function(word){
   word = encodeURI(word)
   newSentence = newSentence.replace(word, "<span>" + word + "</span>")
})
newSentence = decodeURI(newSentence);

newSentence将您的单词用span标记包裹，同时留在标点中：

Answer 2

在chars regexp匹配类型的希伯来语范围之间尝试unicode

"בדיקה, להלהלה".match(/[\u0590-\u05F4\uFB00-\uFB4F]+/g)

用标点符号（简单）：

".בדיק'ה, להלהל\"ה".match(/[^,.]+/g)

regexp for all puntuation：

"aa bb cc.בדיק'ה, להלהל\"ה .test'da, te\"xt".replace(/[\-=_!"#%&'*{},.\/:;?\(\)\[\]@\\$\^*+<>~`\u00a1\u00a7\u00b6\u00b7\u00bf\u037e\u0387\u055a-\u055f\u0589\u05c0\u05c3\u05c6\u05f3\u05f4\u0609\u060a\u060c\u060d\u061b\u061e\u061f\u066a-\u066d\u06d4\u0700-\u070d\u07f7-\u07f9\u0830-\u083e\u085e\u0964\u0965\u0970\u0af0\u0df4\u0e4f\u0e5a\u0e5b\u0f04-\u0f12\u0f14\u0f85\u0fd0-\u0fd4\u0fd9\u0fda\u104a-\u104f\u10fb\u1360-\u1368\u166d\u166e\u16eb-\u16ed\u1735\u1736\u17d4-\u17d6\u17d8-\u17da\u1800-\u1805\u1807-\u180a\u1944\u1945\u1a1e\u1a1f\u1aa0-\u1aa6\u1aa8-\u1aad\u1b5a-\u1b60\u1bfc-\u1bff\u1c3b-\u1c3f\u1c7e\u1c7f\u1cc0-\u1cc7\u1cd3\u2016\u2017\u2020-\u2027\u2030-\u2038\u203b-\u203e\u2041-\u2043\u2047-\u2051\u2053\u2055-\u205e\u2cf9-\u2cfc\u2cfe\u2cff\u2d70\u2e00\u2e01\u2e06-\u2e08\u2e0b\u2e0e-\u2e16\u2e18\u2e19\u2e1b\u2e1e\u2e1f\u2e2a-\u2e2e\u2e30-\u2e39\u3001-\u3003\u303d\u30fb\ua4fe\ua4ff\ua60d-\ua60f\ua673\ua67e\ua6f2-\ua6f7\ua874-\ua877\ua8ce\ua8cf\ua8f8-\ua8fa\ua92e\ua92f\ua95f\ua9c1-\ua9cd\ua9de\ua9df\uaa5c-\uaa5f\uaade\uaadf\uaaf0\uaaf1\uabeb\ufe10-\ufe16\ufe19\ufe30\ufe45\ufe46\ufe49-\ufe4c\ufe50-\ufe52\ufe54-\ufe57\ufe5f-\ufe61\ufe68\ufe6a\ufe6b\uff01-\uff03\uff05-\uff07\uff0a\uff0c\uff0e\uff0f\uff1a\uff1b\uff1f\uff20\uff3c\uff61\uff64\uff65]+/g," ")

实际上，希伯来语中有很多缩写也可能包括它们

".בדיק'ה, להלהל\"ה".match(/[\u0590-\u05F4\uFB00-\uFB4F][\u0590-\u05F4\uFB00-\uFB4F'"]*/g)
(2) ["בדיק'ה", "להלהל"ה"]

原始短语

"שלום, מה קורה מהיום".match(/[\u0590-\u05F4\uFB00-\uFB4F][\u0590-\u05F4\uFB00-\uFB4F'"]*/g)
(4) ["שלום", "מה", "קורה", "מהיום"]

英文

 "aa bb cc.בדיק'ה, להלהל\"ה .test'da, te\"xt".match(/[\u0590-\u05F4\uFB00-\uFB4F][\u0590-\u05F4\uFB00-\uFB4F'"]*/g)
(2) ["בדיק'ה", "להלהל"ה"]

也许可以添加英语（我认为英语中没有希伯来语风格的缩写）

"aa bb cc.בדיק'ה, להלהל\"ה .test'da, te\"xt".match(/[\u0590-\u05F4\uFB00-\uFB4F][\u0590-\u05F4\uFB00-\uFB4F'"]*|[a-zA-Z']+/g)
(8) ["aa", "bb", "cc", "בדיק'ה", "להלהל"ה", "test'da", "te", "xt"]

Answer 3

我会这样做：

yourString.split(' ').map(function(e){ return "<span>"+e+"</span>"; }).join('');

并确保将style="direction:rtl;添加到包装器元素以处理标点符号。

Answer 4

只需从空格中省略匹配的组。

var regex = /[\s,]*([^\s,]+)[\s,]*/g;

var sentence = "שלום, מה קורה מהיום";

var text = sentence.replace(regex, '<span>$1</span>');

console.log(text);  

// <span>שלום</span><span>מה</span><span>קורה</span><span>מהיום</span>

用regexp识别并分离希伯来词

4 个答案: