utf-8 limite de mot regex en javascript

En JavaScript:

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

correctement me donne:

"AB abc cab AB AB"

Lorsque j'utilise les caractères utf-8 si:

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

la limite de mot opérateur ne semble pas fonctionner:

"αβ αβγ γαβ αβ αβ"

Est-il une solution à cela?

  • JavaScript ne pas utiliser UTF-8 pour l'Unicode. Selon la norme de mise en œuvre peuvent utiliser soit des UCS-2 ou UTF-16 je crois. Cela signifie soit que vous êtes d'exploitation sur le texte qui a été converti en l'un de ces formats, ou vous pourrait être opérationnel sur le texte où chaque "octet" (octet) de chaque Unicode codepoint a été converti en un des formats suivants, selon la façon dont votre code obtient le texte.
InformationsquelleAutor cherouvim | 2010-05-21
  1. 25

    La limite de mot affirmation ne correspond si un caractère de mot n'est pas précédé ou suivi d'un autre caractère de mot (donc .\b. est égal à \W\w et \w\W). Et \w est défini comme [A-Za-z0-9_]. Donc \w ne correspond pas à des caractères grecs. Et donc vous ne pouvez pas utiliser \b pour ce cas.

    Ce que vous pourriez faire à la place est d'utiliser cette:

    "αβ αβγ γαβ αβ αβ".replace(/(^|\s)αβ(?=\s|$)/g, "$1AB")
    • merci. L'utilisation de l'anticipation (?=...) la notation semble intéressant aussi. Cela pourrait-il être fait sans elle?
    • Non, il consomme de l'espace après le mot qui est alors le début de la prochaine recherche. Donc, juste en regardant "αβ αβ", le premier match de la consommer "αβ |αβ" (| indique que le pointeur interne) et la dernière partie ne sera pas associé, car il n'y a pas d'espace à gauche. Mais depuis le " look-ahead affirmation ne consomment pas de caractères, la position du pointeur après le premier match sera "αβ| αβ" et le premier espace est préservé pour le prochain match.
    • Ce n'est pas tout à fait la même chose qu'une limite de mot. Elle ne correspond pas à αβ! par exemple.
    • s'il vous plaît essayer ma réponse comme je suis besoin d'un peu plus de gens à coup sur pour mes propres besoins égoïstes, mais il s'avère qu'il vous aidera comme un effet secondaire.
    • Voir aussi: breakthebit.org/post/3446894238/...
    • Cette version est bonne, mais ne prend pas en charge les traits d'union. Peut-être une unicode basé sur l'expression de ce qui serait idéal, mais tout un boulot ... j'espère qu'ils réimplémenter \b pour être plus utile. Version de Java a le support de l'unicode ...

    InformationsquelleAutor Gumbo
  2. 2

    Pas tous les Javascript regexp la mise en œuvre a pour l'Unicode annonce de sorte que vous devez échapper

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

    Pour la cartographie des caractères, vous pouvez prendre un coup d'oeil à http://htmlhelp.com/reference/html40/entities/symbols.html

    Bien sûr, cela n'aide pas à la frontière de mot problème (comme expliqué dans d'autres réponses), mais devrait au moins vous permettre de faire correspondre correctement les caractères

    • Alors, pourquoi n'utilisez-vous pas la même Unicode s'échappe de la chaîne ainsi?
    • Parce que l'un est interprété comme une chaîne de caractères, et l'un comme l'une littérale RegExp - je ne sais pas si c'est important mais..
    • Mais si l'expression régulière de la mise en œuvre ne prend pas en charge Unicode, comment est une séquence d'échappement Unicode comme \u03b1 censé être interprété?
    InformationsquelleAutor Sean Kinsey
  3. 2

    J'ai besoin de quelque chose pour être programmable et poignée de signes de ponctuation, parenthèses, 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);
}

    J'ai écrit un script javascript éditeur de ressources donc, c'est pourquoi j'ai trouvé cette page, et également répondu par nécessité puisque je ne pouvais pas trouver une limite de mot parametarized regexp qui a bien fonctionné pour Unicode.

    • En fait, je devrais être de s'échapper de la "wordToReplace" avec "\" dans les caractères réservés. Je vais avoir de mise à jour.
    InformationsquelleAutor Jason Sebring
  4. 1

    Pas toutes les implémentations de RegEx associés avec des moteurs Javascript unicode conscient.

    Par exemple Microsoft JScript l'aide dans IE est limitée à la norme ANSI.

    InformationsquelleAutor AnthonyWJones
  5. 1

    Lorsque vous faites affaire avec Unicode et en langage naturel des mots, vous voulez probablement être plus prudent avec les limites que juste à l'aide de \b. Voir cette réponse pour les détails et les instructions.

    InformationsquelleAutor tchrist