javascript - 使用javascript在正则表达式中使用区域设置字符

我想用一个例子更容易解释:

'gracias senor'.match(/\w+/g)
["gracias", "senor"]

但是，如果我使用任何非英文字符:

'gracias señor'.match(/\w+/g)
["gracias", "se", "or"]

有没有办法考虑ñ，áé等字符。

最佳答案

根据Wikipedia，西类牙语字母包括:

英文字母:A-Z，a-z

带有变音符的

N:ñ和Ñ

重音字符:á，é，í，ó，ú，ü(及其对应的大写字符)

由于有两种方法可以用变音符指定字符:

单个字形:á

带有组合标记:á("a\u0341")

您至少需要处理此类情况。值得庆幸的是，西类牙语在字符上最多只有1个变音标记。

在Unicode中，还有一些字符可分解为英文字母A-Z或a-z。由于JavaScript的RegExp对Unicode的支持不佳，而且无论如何也很少使用它们，因此我忽略了这些情况。

因此，要正确匹配西类牙语字母(单个字形和组合标记):

[aeiouAEIOU]\u0341|[uU]\u0308|[nN]\u0303|[a-zA-ZáéíóúüÁÉÍÓÚÜñÑ]

(请注意i标志对非US-ASCII字符无效)。

回到匹配单词的问题。这取决于您对“文字字符”的定义。

假设一个“单词”(西类牙语)由西类牙语字母和数字0-9组成:

(?:[aeiouAEIOU]\u0341|[uU]\u0308|[nN]\u0303|[a-zA-ZáéíóúüÁÉÍÓÚÜñÑ0-9])+

测试代码:

'gracias señor señor'.match(/(?:[aeiouAEIOU]\u0341|[uU]\u0308|[nN]\u0303|[a-zA-ZáéíóúüÁÉÍÓÚÜñÑ0-9])+/g).forEach(function(v){console.log(v + " " + v.length)});

输出(匹配的单词和长度):

gracias 7
señor 5
señor 6

关于javascript - 使用javascript在正则表达式中使用区域设置字符，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/21520594/