Question

我想在希腊文中使用这个正则表达式 new RegExp（“\ b”+ pat +“\ b”），但“\ b”元字符仅支持ASCII字符。

我试过XregExp库，但我没有设法解决这个问题。

任何建议都将不胜感激。

Answer 1

我认为这对你的回答很有帮助。

<script src="xregexp.js"></script>
<script src="xregexp-unicode-base.js"></script>
<script>
    var unicodeWord = XRegExp("^\\p{L}+$");

    unicodeWord.test("Русский"); // true
    unicodeWord.test("日本語"); // true
    unicodeWord.test("العربية"); // true
</script>

<!-- \p{L} is included in the base script, but other categories, scripts,
and blocks require token packages -->
<script src="xregexp-unicode-scripts.js"></script>
<script>
    XRegExp("^\\p{Katakana}+$").test("カタカナ"); // true
</script>

请参阅以下位置： http://xregexp.com/plugins/

Answer 2

所以答案是，您不能使用JavaScript本机机制或使用这些机制的任何库以您希望的方式匹配单词。如你所说，\ b匹配单词。单词必须由单词字符组成。在JavaScript（实际上其他正则表达式实现中，单词字符是 a-z，A-Z，0-9和_ 。但是许多其他语言只是以不同的方式实现了\ b元字符。

答案“JavaScript不支持Unicode”有点容易，事实上完全错误。 JavaScript只是不为字符类使用unicode。如果JavaScript不支持unicode，你甚至无法在字符串文字中使用unicode字符，当然这在JavaScript中是可行的。

根据ECMA 262 Standard（ECMAScript）（第15.10.2.6节）：

[...] 生产Assertion :: \ b通过返回一个带状态的内部AssertionTester闭包来计算参数x并执行以下操作：

设e为x的endIndex。
调用IsWordChar（e-1）并将a作为布尔结果。
调用IsWordChar（e）并将b作为布尔结果。
如果a为true且b为false，则返回true。
如果a为假且b为真，则返回true。
返回false。 [..]

抽象操作IsWordChar采用整数参数e并执行以下操作：

如果e == -1或e == InputLength，则返回false。
设c为字符Input [e]。
如果c是下面六十三个字符之一，则返回true。 a b c d e f g h i j k l m n o p q r s t u v w x y z A B C D E F G H I J K L M N O P Q R S T U V W X Y Z. 0 1 2 3 4 5 6 7 8 9 _
返回false

这只是表明，\ b使用“isWordChar”算法来检查你尝试匹配的是否实际上是一个单词。在他对“isWordChar”的定义中，您可以看到“isWordChar”中哪些字符将返回true的确切定义。

在我的意见中，这与使用的字符集完全无关。这里既不是ASCII也不是UNICODE。这只是63个字符。

Javascript unicode（希腊语）正则表达式

2 个答案: