CKTIS / JavaScript
Propiedades Unicode en expresiones regulares: L, M, N, Lu y Lt
Encuentra letras, marcas combinantes y caracteres numéricos de distintos sistemas de escritura, y distingue las mayúsculas de las letras con forma de título.
Versión: ECMAScript 2024 and the current web platform; runtime support varies
Sintaxis
/\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")En JavaScript, \p{…} encuentra puntos de código según una propiedad Unicode. L, M, N, Lu y Lt son valores abreviados de General_Category, no nombres de sistemas de escritura. \p{L}, \p{Letter} y \p{General_Category=Letter} son equivalentes. Los nombres y los alias distinguen entre mayúsculas y minúsculas: /\p{lu}/u provoca un SyntaxError.
\p{L} (Letter) abarca letras de distintos sistemas de escritura, incluidas las que no distinguen mayúsculas de minúsculas. \p{Lu} (Uppercase_Letter) y \p{Lt} (Titlecase_Letter) son subcategorías disjuntas de L: A pertenece a Lu y Dž a Lt. Lt clasifica un punto de código individual, no una palabra con mayúscula inicial. Omite i si la búsqueda debe respetar las diferencias de caja.
\p{M} (Mark) incluye marcas combinantes como U+0301, el acento agudo codificado por separado después de e. Una expresión regular no normaliza el texto: é codificado como U+00E9 no contiene un punto de código M separado. Normaliza antes de buscar si necesitas una representación uniforme de los textos canónicamente equivalentes. \p{N} (Number) incluye ٢ y ½; \p{Nd} solo abarca dígitos decimales, y \d solo los dígitos ASCII de 0 a 9.
Usa u o v, nunca ambas banderas a la vez. Sin ninguna de ellas, \p y \P no comprueban propiedades Unicode. Sin i, \P{L} coincide con un punto de código ajeno a L, mientras que [\p{L}\p{M}\p{N}]+ coincide con una secuencia de uno o más puntos de código de cualquiera de esas categorías, no necesariamente con toda la entrada. ECMAScript 2024 define ambos modos, pero la compatibilidad depende del entorno de ejecución.
Ejemplos
{
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(" ")}`);
}
}Resultado
L: U+0041 U+01C5 U+732B U+0065 M: U+0301 N: U+0662 U+00BD Lu: U+0041 Lt: U+01C5
La bandera `g` recoge todas las coincidencias. La notación `U+…` hace visible la marca combinante aislada, y las líneas separadas `L`, `Lu` y `Lt` muestran qué categorías se solapan.
Lecciones relacionadas
- JavaScript · Lección 10 · Avanzado · Versión: 4
Fuentes
- ECMAScript® 2024 Language Specification — Patterns
- ECMAScript® 2022 Language Specification — Value aliases and canonical values for the Unicode property General_Category
- ECMAScript® 2024 Language Specification — String.prototype.normalize
- Unicode character class escape: \p{...}, \P{...} — JavaScript | MDN
- RegExp.prototype.unicodeSets — JavaScript | MDN