Znalostní bázeCentrum zkoušek
CSČeština
Vybrat jazyk13

CKTIS / JavaScript

Vlastnosti Unicode v regulárních výrazech: L, M, N, Lu a Lt

Vyhledávejte písmena, kombinační značky a číselné znaky z různých písem a rozlišujte velká písmena od písmen v titulkové podobě.

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

Syntaxe

/\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")

V JavaScriptu zápis \p{…} vyhledává kódové body podle vlastnosti Unicode. L, M, N, Lu a Lt jsou zkrácené hodnoty General_Category, nikoli názvy písem. \p{L}, \p{Letter} a \p{General_Category=Letter} znamenají totéž. U názvů a aliasů záleží na velikosti písmen: /\p{lu}/u způsobí SyntaxError.

\p{L} (Letter) zahrnuje písmena různých písem, včetně těch, která nerozlišují velká a malá písmena. \p{Lu} (Uppercase_Letter) a \p{Lt} (Titlecase_Letter) jsou nepřekrývající se podkategorie L: A patří do Lu a Dž do Lt. Lt třídí jednotlivý kódový bod, nikoli slovo začínající velkým písmenem. Chcete-li při hledání zachovat rozdíly mezi velikostními podobami písmen, nepoužívejte i.

\p{M} (Mark) zahrnuje kombinační značky, například U+0301, čárku zakódovanou samostatně za e. Regulární výraz text nenormalizuje: é zakódované jako U+00E9 neobsahuje samostatný kódový bod M. Pokud potřebujete jednotný zápis kanonicky ekvivalentního textu, před hledáním jej normalizujte. \p{N} (Number) zahrnuje ٢ i ½; \p{Nd} zahrnuje pouze desítkové číslice a \d jen číslice ASCII od 0 do 9.

Použijte příznak u nebo v, nikdy oba současně. Bez nich \p a \P vlastnosti Unicode netestují. Bez i odpovídá \P{L} jednomu kódovému bodu mimo L, zatímco [\p{L}\p{M}\p{N}]+ vyhledá posloupnost jednoho nebo více kódových bodů z těchto kategorií, nikoli nutně celý vstup. ECMAScript 2024 definuje oba režimy, jejich podpora ale závisí na běhovém prostředí.

Příklady

{
  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(" ")}`);
  }
}

Výsledek

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

Příznak `g` najde všechny výskyty. Zápis `U+…` zviditelní samostatnou kombinační značku a oddělené řádky `L`, `Lu` a `Lt` ukazují, které kategorie se překrývají.

Související lekce

  • JavaScript · Lekce 10 · Pokročilá · Verze: 4

Zdroje