javascript - 用unicode字符提取字符串中的单词

在 javascript ( nodejs ) 中，我需要用 unicode 字符索引文本字符串，即给定一个字符串，如:

"Bonjour à tous le monde,
je voulais être le premier à vous dire:
  -'comment ça va'
  -<est-ce qu'il fait beau?>"

我想得到以下单词数组:

 ["Bonjour", "à", "tous", "le", "monde", "je", "voulais", "être", ... "beau"]

如何使用正则表达式或任何其他方式实现这一目标？

ps:我安装并尝试了 xregexp 模块，它为 javascript 提供了 unicode 支持，但是一般来说，正则表达式完全没用，我不能走得太远......

最佳答案

您可以使用 XRegExp bundled with addons 的版本(其中包括)添加了对正则表达式 unicode 类别的支持。我们对 not an unicode letter 类别感兴趣，即 \P{L} 。
然后，您可以通过正则表达式 XRegExp("\\P{L}+") 拆分字符串。

var s="Bonjour à tous le monde,\nje voulais être le premier à vous dire:\n  -'comment ça va'\n  -<est-ce qu'il fait beau?>";
var notALetter = XRegExp("\\P{L}+");
var words = XRegExp.split(s, notALetter);

见 this fiddle 。

关于javascript - 用unicode字符提取字符串中的单词，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/20422194/