javascript - 如何使用黑名单数组和正则表达式禁止带有变音符号的单词？

Question

我有一个文本类型的输入，我根据禁用词列表返回 true 或 false。一切正常。我的问题是我不知道如何检查数组中带有变音符号的单词:

var bannedWords = ["bad", "mad", "testing", "băţ"];
var regex = new RegExp('\\b' + bannedWords.join("\\b|\\b") + '\\b', 'i');

$(function () {
  $("input").on("change", function () {
    var valid = !regex.test(this.value);
    alert(valid);
  });
});

<script src="https://ajax.googleapis.com/ajax/libs/jquery/2.1.1/jquery.min.js"></script>
<input type='text' name='word_to_check'>

例如，对于单词 băţ，它返回 true 而不是 false。

Answer 1

Chiu 的评论是正确的:'aaáaa'.match(/\b.+?\b/g) 产生了相当违反直觉的 [ "aa", "á", "aa"]，因为JavaScript正则表达式中的“单词字符”(\w)是just a shorthand for [A-Za-z0-9_]('case-insensitive-alpha-numeric-and-underscore')，所以字边界(\b) 匹配字母数字 block 和任何其他字符之间的任何位置。这使得提取“Unicode 单词”变得非常困难。

对于非 unicase书写系统可以通过其双重性质识别“单词字符”:ch.toUpperCase() != ch.toLowerCase()，因此您更改后的代码段可能如下所示:

var bannedWords = ["bad", "mad", "testing", "băţ", "bať"];
var bannedWordsRegex = new RegExp('-' + bannedWords.join("-|-") + '-', 'i');

$(function() {
  $("input").on("input", function() {
    var invalid = bannedWordsRegex.test(dashPaddedWords(this.value));
    $('#log').html(invalid ? 'bad' : 'good');
  });
  $("input").trigger("input").focus();

  function dashPaddedWords(str) {
    return '-' + str.replace(/./g, wordCharOrDash) + '-';
  };

  function wordCharOrDash(ch) {
    return isWordChar(ch) ? ch : '-'
  };

  function isWordChar(ch) {
    return ch.toUpperCase() != ch.toLowerCase();
  };
});

<script src="https://ajax.googleapis.com/ajax/libs/jquery/2.1.1/jquery.min.js"></script>
<input type='text' name='word_to_check' value="ba">
<p id="log"></p>