CKTIS / JavaScript
Intl.Segmenter: segment() i isWordLike
Podijeli tekst prema jezičnim postavkama i svojstvom `isWordLike` razlikuj segmente koji se tretiraju kao riječi od ostalih segmenata.
Verzija: ECMAScript 2024 and the current web platform; runtime support varies
Sintaksa
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) je metoda instance Intl.Segmenter. Vraća novi iterabilni objekt Segments, a ne polje. Granice segmenata ovise o stvarno primijenjenim jezičnim postavkama i razini segmentacije odabranoj u konstruktoru: "grapheme" (zadano, za grafemske skupine), "word" ili "sentence". Metoda pretvara argument u znakovni niz. Argument tipa Symbol ili nevaljana vrijednost this uzrokuje pogrešku TypeError.
Svaki objekt dobiven iteracijom sadrži segment (podniz), index (početni indeks od nule u kodnim jedinicama UTF-16) i input (cijeli pretvoreni znakovni niz). Završni indeks, koji nije dio segmenta, iznosi index + segment.length. Indeks ne broji vidljive znakove.
Samo u načinu "word" svaki objekt ima logičko svojstvo isWordLike: true znači da se segment tretira kao riječ, a false da se ne tretira tako. Razmaci i interpunkcijski znakovi uglavnom ostaju u rezultatu s vrijednošću false. Filtriraj objekte ako želiš samo segmente koji se tretiraju kao riječi. U drugim načinima svojstvo ne postoji na objektu, umjesto da ima vrijednost false.
Izdanje ECMAScript 2024 specifikacije ECMA-402 definira ovaj API, ali podrška ovisi o izvršnom okruženju. Granice i klasifikacija mogu se razlikovati ovisno o jezičnim postavkama i implementaciji. Nemoj pretpostaviti da će sva okruženja dati iste rezultate.
Primjeri
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));Rezultat
[0,"Hi",true] [2,",",false] [3," ",false] [4,"Sam",true] [7,"!",false] ["Hi","Sam"]
Prvih pet redaka prikazuje indeks, podniz i njegovu klasifikaciju, uključujući razmak i interpunkcijske znakove. Posljednji redak sadrži samo segmente označene s `true`. To je očekivani ispis za ovaj engleski tekst, a ne jamstvo za svako okruženje.
Povezane lekcije
- JavaScript · Lekcija 24 · Napredno · Verzija: 4
Izvori
- ECMAScript® 2024 Internationalization API Specification — Intl.Segmenter.prototype.segment
- ECMAScript® 2024 Internationalization API Specification — CreateSegmentDataObject
- ECMAScript Internationalization API Specification — FindBoundary
- Intl.Segmenter.prototype.segment() — MDN
- Intl.Segmenter() constructor — MDN