正则表达式：我怎样才能找到以Ä，Ö，Ü...开头的单词？

Question

我在文本中搜索单词：

var newWords = data.match(/\b[^\s\d,-.:!?{}\"“\[\]']+/g);

这是有效的，除了以Ä，Ö，Ü等字母开头的单词，这在德语中是完全可能的。

我真正想做的是写上面的搜索，如

var newWords = data.match(/\b[^\W\d]+/g);

但是在没有ä，ö，ü的情况下，这让我完全没有。 ß也不见了。

有一个很好的解决方案吗？

Answer 1

作为简单的解决方案，我建议使用

var newWords = data.match(/[\w\xc0-\xd6\xd8-\xf6\xf8-\xff]+/g);

这匹配在任何情况下仅由字母AZ组成的字符串以及代码页ISO/IEC 8859-1中代码值为192到255的所有字母，与Windows-1252类似，但{{3}除外只要data字符串只包含北美和西欧文本，就可以{} {}和<{p}}。

使用表达式

var newWords = data.match(/[\w\u00c0-\u00d6\u00d8-\u00f6\u00f8-\u00ff]+/g);

ISO / IEC 8859-1中的特殊语言特定字母的Unicode值分别是Windows-1252，并且因此表达式忽略了其他语言（如东欧语言）的其他字母。

Answer 2

您可以使用要匹配的ascii代码对它们进行简单匹配：

^\xD6nder$

Debuggex Demo

\xD6将是Ö（D6是ascii代码214的十六进制）。您可以在此处查找更多十六进制值：http://www.torsten-horn.de/techdocs/ascii.htm