根本原因

Question

假设我有以下字符串：

var englishSentence = 'Hellow World';
var persianSentence = 'گروه جوانان خلاق';

对于英语，我使用以下正则表达式，但我怎么能写一个正则表达式来支持波斯语，或者混合它们。

  var matches = englishSentence.match(/\b(\w)/g);
  acronym = matches.join('');

Answer 1

根本原因

无法匹配Unicode字边界，即使在ECMA 2018中，\b也无法识别Unicode。

解决方案

对于兼容ECMA2018的浏览器（例如，截至2018年4月的Chrome的最新版本），您可以使用：

var englishSentence = 'Hellow World';
var persianSentence = 'گروه جوانان خلاق';
var reg = /(?<!\p{L}\p{M}*)\p{L}\p{M}*/gu;
console.log(englishSentence.match(reg));
console.log(persianSentence.match(reg));

<强>详情

(?<!\p{L}\p{M}*) - 如果有一个Unicode字母后面跟着0+变音符号，那么会导致匹配失败的负面后瞻
\p{L}\p{M}* - 带有0+变音符号的Unicode字母
gu - g - 全局，搜索所有匹配项，u - 使模式识别Unicode。

如果您需要在旧版/其他浏览器中使用相同的功能，请使用XRegExp：

function getFirstLetters(s, regex) {
  var results=[], match;
  XRegExp.forEach(s, regex, function (match, i) {
    results.push(match[1]);
  });
  return results;
}
var rx = XRegExp("(?:^|[^\\pL\\pM])(\\pL\\pM*)", "gu");
console.log(getFirstLetters("Hello world", rx));
console.log(getFirstLetters('گروه جوانان خلاق', rx));

<script src="https://cdnjs.cloudflare.com/ajax/libs/xregexp/3.2.0/xregexp-all.js"></script>

<强>详情

(?:^|[^\\pL\\pM]) - 与字符串开头（^）或除Unicode字母或变音符之外的任何字符匹配的非捕获组
(\\pL\\pM*) - 第1组：任何带有0+变音符号的Unicode字母。

在这里，我们需要提取第1组值，因此在每次匹配时都会提取.push(match[1])。

Answer 2

您可以按空格分割，然后获取每个项目的第一个字符

var output = sentence.split( /\s+/ ).map( s => s.charAt(0) ).join("")

<强>演示

＆＃13;

var fnGetFirstChar = (sentence) => sentence.split( /\s+/ ).map( s => s.charAt(0) ).join("");

var englishSentence = 'Hellow World';
var persianSentence = 'گروه جوانان خلاق';

console.log( fnGetFirstChar( englishSentence ) );

console.log( fnGetFirstChar( persianSentence ) );

＆＃13;

Answer 3

如果你在代码中这样做，一种方法是使用

(?:\s|^)(\S)

它匹配非空格字符（\S），前面是空格或字符串开头（\s|^），捕获非空白字符以捕获组1。

＆＃13;

var sentence  = 'Hello World\n'+
                'گروه جوانان خلاق',
    re        = /(?:\s|^)(\S)/g,
    result = '';
    
while( m = re.exec(sentence) )
{
  result += m[1];
};

console.log( result );

＆＃13;

Answer 4

您最好使用آ到ی以及a-z的字符范围，因为JS中的字边界无法识别多字节字母，而在大多数情况下都是如此。< / p>

console.log(
  "سلام حالت چطوره؟".match(/( |^)[آ-یa-z](?=[آ-یa-z])/gi).map(x => x.trim()).join('')
)

console.log(
  "این یک test است".match(/( |^)[آ-یa-z](?=[آ-یa-z])/gi).map(x => x.trim()).join('')
)

故障：

(?: |^)匹配空格或输入字符串的开头
[آ-ی]匹配来自波斯语的角色
(?=开始积极向前看
- [آ-ی]如果跟着另一个波斯语字符
)结束了积极的向前看

注意：从آ到ی的字符范围中有超过波斯语字母（也有一些阿拉伯字母）以进行精确匹配（我怀疑你是否在任何地方使用这些字母）使用一个坚实的字符类：

[اآبپتثجچحخدذرزژسشصضطظعفقگکلمنوهی]

console.log(
    "سلام دوست من".match(/( |^)[اآبپتثجچحخدذرزژسشصضطظعفقگکلمنوهیa-z](?=[اآبپتثجچحخدذرزژسشصضطظعفقگکلمنوهیa-z])/gi).map(x => x.trim()).join('')
)

JavaScript正则表达式获取句子中每个单词的第一个字符（波斯语和英语句子）

4 个答案:

根本原因

解决方案