WissensdatenbankPrüfungszentrum
DEDeutsch
Sprache wählen13

CKTIS / JavaScript

Intl.Segmenter: segment() und isWordLike

Zerlege Text entsprechend der Spracheinstellung und unterscheide mit `isWordLike` die als Wörter eingestuften Segmente von den übrigen Segmenten.

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

Syntax

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) ist eine Instanzmethode von Intl.Segmenter. Sie gibt ein neues iterierbares Segments-Objekt zurück, kein Array. Die Grenzen richten sich nach der tatsächlich verwendeten Spracheinstellung und der im Konstruktor gewählten Granularität: "grapheme" (Standard, für Graphemcluster), "word" oder "sentence". Die Methode wandelt ihr Argument in eine Zeichenkette um. Ein Symbol als Argument oder eine ungültige Instanzbindung für this führt zu einem TypeError.

Jedes bei der Iteration gelieferte Objekt enthält segment (die Teilzeichenkette), index (ihren nullbasierten Startindex in UTF-16-Codeeinheiten) und input (die gesamte umgewandelte Zeichenkette). Das exklusive Ende ist index + segment.length. Der Index zählt keine sichtbaren Zeichen.

Nur im Modus "word" hat jedes Objekt die boolesche Eigenschaft isWordLike: true bedeutet, dass das Segment als wortähnlich eingestuft wird, false das Gegenteil. Leerzeichen und Satzzeichen bleiben in der Regel mit false im Ergebnis. Filtere die Objekte, wenn du nur wortähnliche Segmente brauchst. In den anderen Modi fehlt die Eigenschaft, statt auf false gesetzt zu sein.

Die ECMAScript-2024-Ausgabe von ECMA-402 spezifiziert diese API; die Unterstützung hängt aber von der Laufzeitumgebung ab. Grenzen und Einstufung können je nach Spracheinstellung und Implementierung variieren. Gehe nicht von identischen Ergebnissen in allen Laufzeitumgebungen aus.

Beispiele

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));

Ergebnis

[0,"Hi",true]
[2,",",false]
[3," ",false]
[4,"Sam",true]
[7,"!",false]
["Hi","Sam"]

Die ersten fünf Zeilen zeigen Index, Teilzeichenkette und Einstufung, auch für das Leerzeichen und die Satzzeichen. Die letzte Zeile enthält nur die mit `true` markierten Segmente. Das ist die erwartete Ausgabe für diesen englischen Text, keine Garantie für jede Laufzeitumgebung.

Zugehörige Lektionen

  • JavaScript · Lektion 24 · Fortgeschritten · Version: 4

Quellen