test - utf-8 palabra límite regex en javascript

regexp javascript

Question

En JavaScript:

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

correctamente me da:

"AB abc cab AB AB"

Sin embargo, cuando uso caracteres utf-8:

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

el operador de límite de palabras no parece funcionar:

"αβ αβγ γαβ αβ αβ"

¿Hay una solución para esto?

Answer 1

La afirmación de límite de palabras solo coincide si un carácter de palabra no está precedido o seguido por otro carácter de palabra (entonces ./b. Es igual a /W/w y /w/W ). Y /w se define como [A-Za-z0-9_] . Entonces /w no coincide con los caracteres griegos. Y así no puedes usar /b para este caso.

Lo que podrías hacer es usar esto:

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

Answer 2

No toda la implementación de expresiones regulares de JavaScript tiene soporte para anuncios Unicode, por lo que debe escapar de ella

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

Para mapear los personajes puedes echar un vistazo a http://htmlhelp.com/reference/html40/entities/symbols.html

Por supuesto, esto no ayuda con el problema del límite de palabras (como se explica en otras respuestas), pero al menos debería permitirle hacer coincidir los caracteres apropiadamente

Answer 3

No todas las implementaciones de RegEx asociadas a los motores de Javascript reconocen el Unicode.

Por ejemplo, el uso de Microsofts JScript en IE está limitado a ANSI.

Answer 4

Necesitaba algo programable y manejar la puntuación, los corchetes, 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);
}

Escribí un editor de recursos de JavaScript, así que esta es la razón por la que encontré esta página y también la respondí por necesidad, ya que no pude encontrar una expresión regular de parámetros de palabras que funcionara bien para Unicode.

Answer 5

Cuando se trata de palabras Unicode y de lenguaje natural, es probable que desee tener más cuidado con los límites que usar simplemente /b . Vea esta respuesta para detalles e instrucciones.