База знанияИзпитен център
BGБългарски
Избери език13

CKTIS / JavaScript

Свойства на Unicode в регулярни изрази: L, M, N, Lu и Lt

Намирайте букви, комбиниращи знаци и числови знаци от различни писмености и различавайте главните букви от буквите в заглавна форма.

Версия: ECMAScript 2024 and the current web platform; runtime support varies

Синтаксис

/\p{L}/u
/\p{M}/u
/\p{N}/u
/\p{Lu}/u
/\p{Lt}/u
/\p{General_Category=Letter}/u
/\P{L}/u
/[\p{L}\p{M}\p{N}]+/gu
/\p{L}/v
new RegExp("\\p{L}", "u")

В JavaScript \p{…} намира кодови точки по свойство на Unicode. L, M, N, Lu и Lt са кратки стойности на General_Category, а не имена на писмености. \p{L}, \p{Letter} и \p{General_Category=Letter} означават едно и също. Регистърът на буквите в имената и псевдонимите има значение: /\p{lu}/u предизвиква SyntaxError.

\p{L} (Letter) обхваща букви от различни писмености, включително такива без разграничение между главни и малки букви. \p{Lu} (Uppercase_Letter) и \p{Lt} (Titlecase_Letter) са непресичащи се подкатегории на L: A е в Lu, а Dž — в Lt. Lt класифицира отделна кодова точка, а не дума с главна начална буква. Не използвайте i, когато търсенето трябва да запази разграничението между формите на буквите.

\p{M} (Mark) включва комбиниращи знаци като U+0301 — острото ударение, кодирано отделно след e. Регулярният израз не нормализира текста: é, кодирано като U+00E9, няма отделна кодова точка от категория M. Нормализирайте текста преди търсенето, ако канонично еквивалентният текст трябва да има еднакво представяне. \p{N} (Number) включва ٢ и ½; \p{Nd} обхваща само десетични цифри, а \d — само ASCII цифрите от 0 до 9.

Използвайте флага u или v, но никога и двата едновременно. Без тях \p и \P не проверяват свойства на Unicode. Без i изразът \P{L} намира една кодова точка извън L, а [\p{L}\p{M}\p{N}]+ намира поредица от една или повече кодови точки от тези категории, но не непременно целия вход. ECMAScript 2024 определя и двата режима, но поддръжката зависи от средата за изпълнение.

Примери

{
  const text = "ADž猫e\u0301٢½!";
  const categories = [
    ["L", /\p{L}/gu],
    ["M", /\p{M}/gu],
    ["N", /\p{N}/gu],
    ["Lu", /\p{Lu}/gu],
    ["Lt", /\p{Lt}/gu],
  ];

  for (const [category, pattern] of categories) {
    const points = (text.match(pattern) ?? []).map((char) =>
      "U+" + char.codePointAt(0).toString(16).toUpperCase().padStart(4, "0")
    );
    console.log(`${category}: ${points.join(" ")}`);
  }
}

Резултат

L: U+0041 U+01C5 U+732B U+0065
M: U+0301
N: U+0662 U+00BD
Lu: U+0041
Lt: U+01C5

Флагът `g` събира всички съвпадения. Записът `U+…` прави отделния комбиниращ знак видим, а отделните редове за `L`, `Lu` и `Lt` показват кои категории се припокриват.

Свързани уроци

  • JavaScript · Урок 10 · Напреднало · Версия: 4

Източници