Base de conocimientosCentro de exámenes
ESEspañol
Elegir idioma13

CKTIS / JavaScript

Intl.Segmenter: segment() e isWordLike

Divide un texto según la configuración regional y usa `isWordLike` para distinguir los segmentos tratados como palabras del resto de los segmentos.

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

Sintaxis

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) es un método de instancia de Intl.Segmenter. Devuelve un nuevo objeto iterable Segments, no un array. Los límites se determinan según la configuración regional efectiva y la granularidad elegida en el constructor: "grapheme" (predeterminada, para grupos de grafemas), "word" o "sentence". El método convierte su argumento en una cadena. Si el argumento es un Symbol o this no es una instancia válida, lanza un TypeError.

Cada objeto producido al iterar contiene segment (la subcadena), index (su posición inicial, desde cero, en unidades de código UTF-16) e input (toda la cadena convertida). El límite final, excluido, es index + segment.length. El índice no cuenta caracteres visibles.

Solo en el modo "word" tiene cada objeto la propiedad booleana isWordLike: true indica que el segmento se trata como una palabra y false, que no. Los espacios y los signos de puntuación suelen permanecer en el resultado con false. Filtra los objetos si solo quieres los segmentos tratados como palabras. En los otros modos, la propiedad no existe en el objeto, en lugar de valer false.

La edición ECMAScript 2024 de ECMA-402 especifica esta API, pero la compatibilidad depende del entorno de ejecución. Tanto los límites como la clasificación pueden variar según la configuración regional y la implementación. No des por hecho que todos los entornos producirán el mismo resultado.

Ejemplos

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));

Resultado

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

Las cinco primeras líneas muestran el índice, la subcadena y su clasificación, también para el espacio y la puntuación. La última línea solo contiene los segmentos marcados como `true`. Es el resultado esperado para este texto en inglés, no una garantía para todos los entornos.

Lecciones relacionadas

  • JavaScript · Lección 24 · Avanzado · Versión: 4

Fuentes