utf-8 confine di parola regex in javascript

Question

In JavaScript:

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

mi dà correttamente:

"AB abc cab AB AB"

Quando uso caratteri UTF-8 se:

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

parola operatore confine non sembra funzionare:

"αβ αβγ γαβ αβ αβ"

C'è una soluzione a questo?

Answer 1

La parola asserzione confine non corrisponde solo se un carattere di parola non è preceduto o seguito da un altro carattere di parola (in modo .\b. è pari a \W\w e \w\W). E \w è definito come [A-Za-z0-9_]. Quindi \w non corrisponde caratteri greci. E così non è possibile utilizzare \b per questo caso.

Che cosa si potrebbe fare, invece è quello di utilizzare questo:

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

Answer 2

Non tutti Javascript regexp implementazione ha il supporto per Unicode annuncio quindi è necessario sfuggire

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

Per la mappatura dei caratteri è possibile dare un'occhiata a http://htmlhelp.com /reference/html40/entities/symbols.html

Naturalmente, questo non aiuta il problema confine di parola (come spiegato in altre risposte), ma dovrebbe almeno consentono di corrispondere ai caratteri correttamente

Answer 3

Avevo bisogno di qualcosa di essere programmabile e maniglia punteggiatura, parentesi, ecc

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);
}

Ho scritto un editor di risorse javascript quindi questo è il motivo per cui ho trovato questa pagina e anche risposto che per necessità dato che non riuscivo a trovare un confine di parola regexp parametarized che ha funzionato bene per Unicode.

Answer 4

Non tutte le implementazioni di RegEx associati a motori JavaScript un unicode consapevoli.

Ad esempio Microsofts JScript utilizzando in IE è limitato a ANSI.

Answer 5

Quando hai a che fare con Unicode e le parole del linguaggio naturale, probabilmente avrete bisogno di essere più attenti con i confini che solo usando \b. Vedere questa risposta per i dettagli e le direzioni.