regex - 如何通过字符和单词数检测字符串中是否包含印地文(devnagri)

Question

以下是示例字符串-

$string = "abcde वायरस abcde"

我需要检查天气，此字符串包含任何北印度语(Devanagari)内容，如果包含，则包含字符和单词的数量。我猜想带有Unicode字符类的正则表达式可以工作 http://www.regular-expressions.info/unicode.html。但是我无法找出正确的正则表达式语句。

Answer 1

要找出答案，如果字符串包含北印度文(Devanagari)字符，则需要具有所有北印度文字符的完整列表。根据this website，印地语字符是0x0900和0x097F之间的十六进制字符(十进制2304至2431)。

如果集合中有任何这些字符，则正则表达式模式需要匹配。因此，您可以使用模式(实际上是一组字符)来匹配字符串，如下所示:
[\u0900\u0901\u0902 ... \u097D\u097E\u097F]
由于手动记下该字符列表非常麻烦，因此可以通过迭代从2304到2431的十进制字符或十六进制字符来生成此字符串。

要计算包含至少一个印地语字符的所有单词，可以使用以下模式。它包含单词周围的空格(\s)或单词周围的开头(^)或结尾($)，以及一个全局标志，以匹配每次出现(/g):
/(?:^|\s)[\u0900\u0901\u0902 ... \u097D\u097E\u097F]+?(?:\s|$)/g
这是JavaScript的实时实现:

var numberOfHindiCharacters = 128;
var unicodeShift = 0x0900;
var hindiAlphabet = [];
for(var i = 0; i < numberOfHindiCharacters; i++) {
  hindiAlphabet.push("\\u0" + (unicodeShift + i).toString(16));
}

var regex = new RegExp("(?:^|\\s)["+hindiAlphabet.join("")+"]+?(?:\\s|$)", "g");
var string1 = "abcde वायरस abcde";
var string2 = "abcde abcde";

[ string1.match(regex), string2.match(regex) ].forEach(function(match) {
  if(match) {
    console.log("String contains " + match.length + " words with Hindi characters only.");
  } else {
    console.log("String does NOT contain any words with Hindi characters only.");
  }
});