Base de connaissancesCentre d’examen
FRFrançais
Choisir la langue13

CKTIS / JavaScript

Propriétés Unicode dans les expressions régulières : L, M, N, Lu et Lt

Repérez les lettres, les marques combinatoires et les caractères numériques de plusieurs écritures, et distinguez les majuscules des lettres de casse de titre.

Version : 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")

En JavaScript, \p{…} sélectionne des points de code selon une propriété Unicode. L, M, N, Lu et Lt sont des valeurs abrégées de General_Category, et non des noms d’écritures. \p{L}, \p{Letter} et \p{General_Category=Letter} sont équivalents. Les noms et leurs alias sont sensibles à la casse : /\p{lu}/u provoque une SyntaxError.

\p{L} (Letter) couvre les lettres de différentes écritures, y compris celles qui n’ont pas de distinction de casse. \p{Lu} (Uppercase_Letter) et \p{Lt} (Titlecase_Letter) sont deux sous-catégories disjointes de L : A relève de Lu, et Dž de Lt. Lt classe un point de code individuel, pas un mot à initiale majuscule. N’utilisez pas i si la recherche doit tenir compte de la casse.

\p{M} (Mark) inclut les marques combinatoires comme U+0301, l’accent aigu codé séparément après e. Une expression régulière ne normalise pas le texte : é codé sous la forme U+00E9 ne contient pas de point de code M distinct. Normalisez le texte avant la recherche si des textes canoniquement équivalents doivent avoir une représentation uniforme. \p{N} (Number) inclut ٢ et ½ ; \p{Nd} se limite aux chiffres décimaux, et \d aux chiffres ASCII de 0 à 9.

Utilisez u ou v, jamais les deux à la fois. Sans l’un de ces indicateurs, \p et \P ne vérifient pas les propriétés Unicode. Sans i, \P{L} reconnaît un point de code hors de L, tandis que [\p{L}\p{M}\p{N}]+ reconnaît une suite d’au moins un point de code de l’une de ces catégories, sans forcément couvrir toute l’entrée. ECMAScript 2024 définit les deux modes, mais leur prise en charge dépend de l’environnement d’exécution.

Exemples

{
  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(" ")}`);
  }
}

Résultat

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

L’indicateur `g` permet de recueillir toutes les correspondances. La notation `U+…` rend visible la marque combinatoire isolée, et les lignes distinctes `L`, `Lu` et `Lt` montrent quelles catégories se recouvrent.

Leçons associées

  • JavaScript · Leçon 10 · Avancé · Version : 4

Sources