CKTIS / JavaScript
Intl.Segmenter: segment() и isWordLike
Разделяй текст според езиковите настройки и използвай `isWordLike`, за да отличаваш сегментите, третирани като думи, от останалите сегменти.
Версия: ECMAScript 2024 and the current web platform; runtime support varies
Синтаксис
const segmenter = new Intl.Segmenter(locales, { granularity: "word" });
const segments = segmenter.segment(input);
for (const { segment, index, input: source, isWordLike } of segments) {
// Use the segment data here.
}segment(input) е метод на екземпляр на Intl.Segmenter. Той връща нов итерируем обект Segments, а не масив. Границите на сегментите зависят от действително използваните езикови настройки и от нивото на разделяне, избрано в конструктора: "grapheme" (по подразбиране, за графемни клъстери), "word" или "sentence". Методът преобразува аргумента в низ. Аргумент от тип Symbol или невалидна стойност на this предизвиква грешка TypeError.
Всеки обект, получен при итерация, съдържа segment (подниза), index (началния му индекс от нула в кодови единици на UTF-16) и input (целия преобразуван низ). Крайният индекс, който не влиза в сегмента, е index + segment.length. Индексът не брои видими знаци.
Само в режим "word" всеки обект има булевото свойство isWordLike: true означава, че сегментът се третира като дума, а false — че не се третира така. Интервалите и препинателните знаци обикновено остават в резултата със стойност false. Филтрирай обектите, ако искаш само сегментите, третирани като думи. В другите режими свойството липсва, вместо да има стойност false.
Изданието ECMAScript 2024 на ECMA-402 определя този API, но поддръжката зависи от средата за изпълнение. Както границите, така и класификацията могат да се различават според езиковите настройки и реализацията. Не приемай, че резултатите ще са еднакви във всички среди.
Примери
const segmenter = new Intl.Segmenter("en", { granularity: "word" });
const words = [];
for (const { segment, index, isWordLike } of segmenter.segment("Hi, Sam!")) {
console.log(JSON.stringify([index, segment, isWordLike]));
if (isWordLike) words.push(segment);
}
console.log(JSON.stringify(words));Резултат
[0,"Hi",true] [2,",",false] [3," ",false] [4,"Sam",true] [7,"!",false] ["Hi","Sam"]
Първите пет реда показват индекса, подниза и класификацията му, включително за интервала и препинателните знаци. Последният ред съдържа само сегментите, отбелязани с `true`. Това е очакваният резултат за този английски текст, а не гаранция за всяка среда.
Свързани уроци
- JavaScript · Урок 24 · Напреднало · Версия: 4
Източници
- ECMAScript® 2024 Internationalization API Specification — Intl.Segmenter.prototype.segment
- ECMAScript® 2024 Internationalization API Specification — CreateSegmentDataObject
- ECMAScript Internationalization API Specification — FindBoundary
- Intl.Segmenter.prototype.segment() — MDN
- Intl.Segmenter() constructor — MDN