CKTIS / JavaScript
Intl.Segmenter — segmentace textu podle jazyka
Intl.Segmenter určuje hranice grafémů, slov nebo vět pomocí pravidel závislých na jazyce. Metoda segment() vrací iterovatelné popisy segmentů a isWordLike umožňuje vybrat ty, které jsou klasifikovány jako slova.
Verze: ECMAScript and Web APIs; exact feature edition and browser support reviewed per entry; Node 24 in repository does not prove browser API support
Syntaxe
new Intl.Segmenter(locales, { granularity: "word" }).segment(text)Intl.Segmenter je JavaScriptové internacionalizační API specifikované v ECMA-402, které bylo součástí už vydání z roku 2022. Nejde o API DOM. Konstruktor vyžaduje new. Možnost granularity přijímá hodnoty "grapheme" (výchozí), "word" nebo "sentence" a vybírá grafémy, slova či věty. Grafém může obsahovat více kódových bodů, takže není totožný s jedinou UTF-16 kódovou jednotkou.
Intl.Segmenter.prototype.segment(text) vrací iterovatelný objekt Segments, nikoli pole. Každý popis obsahuje segment — textový úsek, index — jeho počáteční index v UTF-16 kódových jednotkách — a input — celý vstupní text. Pokud potřebujete pole, použijte Array.from().
Pouze při granularity: "word" má popis logickou vlastnost isWordLike. Nejde o metodu segmenteru. Ve výsledcích se objevují také mezery a interpunkce; filtr part.isWordLike je obvykle odstraní. Klasifikace a hranice závisí na implementaci a jazykových datech, proto API nepovažujte za univerzální gramatický analyzátor.
Příklad vybírá slova a vypisuje jejich indexy. Pevné nastavení locale na "en" omezuje vliv výchozího jazyka, ale nezaručuje stejnou segmentaci libovolného textu ve všech enginech. Dostupnost ověřte v cílovém prohlížeči: dostupnost v Node 24 nedokazuje podporu v prohlížečích. Uvedené zdroje standardů neurčují podporované verze prohlížečů.
Příklady
if (typeof Intl === "undefined" || typeof Intl.Segmenter !== "function") {
throw new Error("Intl.Segmenter is unavailable");
}
const text = "Hello, world!";
const segmenter = new Intl.Segmenter("en", { granularity: "word" });
const words = Array.from(segmenter.segment(text))
.filter(part => part.isWordLike)
.map(part => `${part.segment}@${part.index}`);
console.log(words.join(" | "));Výsledek
Hello@0 | world@7
Zobrazený kód a uvedený výsledek byly ověřeny v izolovaném prostředí metodou zaznamenanou v dokladu o ověření této přesné verze.