Question

我有一个JavaScript正则表达式，基本上可以找到两个字母的单词。问题似乎是它将重音字符解释为单词边界。确实，似乎

单词边界（“\ b”）是一个点两个字符之间有一个“\ w” 在它的一边和一个“\ W” 它的另一面（按任意顺序），计算假想的人物字符串的开头和结尾为匹配“\ W”。 AS3 RegExp to match words with boundry type characters in them

从那以后

\ w匹配任何字母数字字符（单词字符）包括下划线（[a-zA-Z0-9_]的缩写）。 \ W匹配任何非单词字符（[^ a-zA-Z0-9_]的缩写） http://www.javascriptkit.com/javatutors/redev2.shtml

显然没有考虑重音字符。这会像Montréal这样的单词出现问题。如果é被视为字边界，则al是两个字母的单词。我已经尝试自己定义一个允许重音字符的单词边界，但是看作单词边界甚至不是一个字符，我不知道如何找到它...

任何帮助？

以下是相关的JavaScript代码，搜索userInput并使用re_state正则表达式查找双字母单词：

var re_state = new RegExp("\\b([a-z]{2})[,]?\\b", "mi");
var match_state = re_state.exec(userInput);
document.getElementById("state").value = (match_state)?match_state[1]:"";

Answer 1

虽然JavaScript正则表达式在某些情况下识别非ASCII字符（例如\s），但在涉及\w和\b时却无可救药。如果您希望它们使用ASCII字符以外的任何内容，您必须使用其他语言，或者使用XRegExp安装Steve Levithan的Unicode plugin库。

顺便说一句，你的正则表达式出错了。在可选的尾随逗号后面有\b，但它应该在前面：

"\\b([a-z]{2})\\b,?"

我也删除了方括号;如果逗号在正则表达式中具有特殊含义，那么你只需要那些，但事实并非如此。但我怀疑你根本不需要匹配逗号; \b应该足以确保你在这个词的末尾。如果您不需要逗号，则不需要捕获组：

"\\b[a-z]{2}\\b"

Answer 2

您是否将JavaScript设置为使用非ASCII？这是一个页面建议将JavaScript设置为使用UTF-8： http://blogs.oracle.com/shankar/entry/how_to_handle_utf_8

它说：

添加charset属性（charset =“utf-8”）到你的脚本标签在父页面中：
script type="text/javascript" src="[path]/myscript.js"  charset="utf-8"

如何制作一个将重音字符考虑在内的正则表达式？

2 个答案: