javascript - 使用西里尔字母的正则表达式

Question

我有一个用于文本区域字段中字数统计的 jQuery 函数。此外，它排除所有用 [[[三重括号]]] 封闭的单词。它对于拉丁字符效果很好，但对于西里尔字母句子有问题。我认为错误部分与正则表达式有关:

$(field).val().replace(/\[\[\[[^\]]*\]\]\]/g, '').match(/\b/g);

两种短语的示例: http://jsfiddle.net/A3cEG/2/

我需要计算所有单词，包括西里尔字母表达，而不仅仅是拉丁语单词。如何做到这一点？

Answer 1

JavaScript(至少是最广泛使用的版本)不完全支持 Unicode。也就是说，\w仅匹配拉丁字母、十进制数字和下划线([a-zA-Z0-9_])，而\b 匹配单词字符和非单词字符之间的边界。

要使用拉丁语或西里尔语查找输入字符串中的所有单词，您必须执行以下操作:

.match(/[\wа-я]+/ig); // where а is the Cyrillic а.

或者如果您愿意:

.match(/[\w\u0430-\u044f]+/ig);

当然，这可能意味着您需要稍微调整代码，因为这里它将匹配所有单词而不是单词边界。请注意，[а-я] 匹配“基本西里尔字母”中的任何字母，如here所述。 。要匹配此范围之外的字母，您可以根据需要修改字符集以包含这些字母，例如要匹配俄语 Ё/ё，请使用 [а-яё]。

另请注意，您的三括号模式可以简化为:

.replace(/\[{3}[^]]*]{3}/g, '')

或者，您可能想查看 XRegExp项目(这是一个开源项目，旨在向基本 JavaScript 正则表达式引擎添加新功能)及其 Unicode插件。