UTF-8 límite de palabra de expresiones regulares en javascript

Question

En JavaScript:

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

Me da correctamente:

"AB abc cab AB AB"

Cuando uso caracteres UTF-8 sin embargo:

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

palabra operador límite no parece trabajo:

"αβ αβγ γαβ αβ αβ"

¿Hay una solución para esto?

Answer 1

La declaración límite de palabra única coincide si una palabra personaje no está precedido o seguido de otro carácter de palabra (por lo .\b. es igual a \W\w y \w\W). Y \w se define como [A-Za-z0-9_]. Así \w no coincide con caracteres griegos. Y por lo tanto no se puede utilizar \b para este caso.

Lo que podría hacer en su lugar es utilizar esto:

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

Answer 2

No todos Javascript expresión regular aplicación tiene soporte para Unicode anuncio por lo que necesita para escapar de ella

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

Para la cartografía de los caracteres que se puede echar un vistazo a http://htmlhelp.com /reference/html40/entities/symbols.html

Por supuesto, esto no ayuda con el tema límite de palabra (como se explica en otras respuestas), pero al menos debería permitirle hacer coincidir los caracteres correctamente

Answer 3

Yo necesitaba algo para ser programable y mango de puntuacion, soportes, etc.

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);
}

He escrito un editor de recursos javascript por lo que esta es la razón por lo que he encontrado esta página y también respondió por necesidad ya que no pude encontrar un límite de palabra expresión regular parametarized que funcionó bien para Unicode.

Answer 4

No todas las implementaciones de expresiones regulares asociados con los motores de Javascript Unicode una cuenta.

Por ejemplo Microsofts JScript utilizando en IE se limita a ANSI.

Answer 5

Cuando usted está tratando con Unicode y palabras de lenguaje natural, es probable que desee tener más cuidado con los límites que simplemente usar \b. Ver esta respuesta para obtener más información y direcciones.