UTF-8 Word Boundary REGEX في JavaScript

Question

في JavaScript:

"ab abc cab ab ab".replace(/\bab\b/g, "AB");

يعطيني بشكل صحيح:

"AB abc cab AB AB"

عندما أستخدم أحرف UTF-8 على الرغم من:

"αβ αβγ γαβ αβ αβ".replace(/\bαβ\b/g, "AB");

ال مشغل حدود الكلمة لا يبدو أنه يعمل:

"αβ αβγ γαβ αβ αβ"

هل هناك حل لهذا؟

Answer 1

لا يتطابق تأكيد الحدود فقط إذا لم يتم تسبق حرف كلمة أو يتبعه حرف آخر (لذا .\b. مساوي ل \W\w و \w\W). و \w يعرف ب [A-Za-z0-9_]. لذا \w لا يتطابق مع الشخصيات اليونانية. وبالتالي لا يمكنك استخدام \b لهذه الحالة.

ما يمكنك فعله بدلاً من ذلك هو استخدام هذا:

"αβ αβγ γαβ αβ αβ".replace(/(^|\s)αβ(?=\s|$)/g, "$1AB")

Answer 2

ليس كل تطبيق JavaScript regexp لديه دعم لإعلان Unicode ، لذلك تحتاج إلى الهروب منه

"αβ αβγ γαβ αβ αβ".replace(/\u03b1\u03b2/g, "AB"); // "AB ABγ γAB AB AB"

لتخطيط الشخصيات التي يمكنك إلقاء نظرة عليها http://htmlhelp.com/reference/html40/entities/symbols.html

بالطبع ، هذا لا يساعد في مشكلة الحدود (كما هو موضح في إجابات أخرى) ولكن يجب على الأقل تمكينك من مطابقة الشخصيات بشكل صحيح

Answer 3

كنت بحاجة إلى شيء لأكون قابلاً للبرمجة والتعامل مع علامات الترقيم ، والأقواس ، إلخ.

http://jsfiddle.net/aqvyd/

var wordToReplace = '買い手',
    replacementWord = '[[BUYER]]',
    text = 'Mange 買い手 information. The selected Store and Classification will be the default on the สั่งซื้อ.'

function replaceWord(text, wordToReplace, replacementWord) {
    var re = new RegExp('(^|\\s|\\(|\'|"|,|;)' + wordToReplace + '($|\\s|\\)|\\.|\'|"|!|,|;|\\?)', 'gi');
    return text.replace(re, replacementWord);
}

لقد كتبت محررًا لموارد JavaScript ، ولهذا السبب وجدت هذه الصفحة وأجبت عليها أيضًا بدافع الضرورة لأنني لم أتمكن من العثور على إعادة تدوير حدود كلمة عملت بشكل جيد مع Unicode.

Answer 4

ليس كل تطبيقات regex المرتبطة بمحركات JavaScript ANICODE.

على سبيل المثال ، يقتصر microsofts jscript في IE على ANSI.

Answer 5

عندما تتعامل مع كلمات Unicode والكلمات الطبيعية ، ربما تريد أن تكون أكثر حذراً مع الحدود من مجرد استخدام \b. نرى هذا الجواب للحصول على التفاصيل والاتجاهات.