CKTIS / JavaScript
Svojstva Unicodea u regularnim izrazima: L, M, N, Lu i Lt
Pronađite slova, kombinirajuće oznake i brojčane znakove iz različitih pisama te razlikujte velika slova od slova u naslovnom obliku.
Verzija: ECMAScript 2024 and the current web platform; runtime support varies
Sintaksa
/\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")U JavaScriptu \p{…} pronalazi kodne točke prema svojstvu Unicodea. L, M, N, Lu i Lt skraćene su vrijednosti svojstva General_Category, a ne nazivi pisama. \p{L}, \p{Letter} i \p{General_Category=Letter} znače isto. U nazivima i zamjenskim nazivima razlikuju se velika i mala slova: /\p{lu}/u uzrokuje SyntaxError.
\p{L} (Letter) obuhvaća slova različitih pisama, uključujući ona koja ne razlikuju velika i mala slova. \p{Lu} (Uppercase_Letter) i \p{Lt} (Titlecase_Letter) potkategorije su L koje se ne preklapaju: A pripada u Lu, a Dž u Lt. Lt razvrstava pojedinu kodnu točku, ne riječ s velikim početnim slovom. Izostavite i ako pretraživanje mora razlikovati te oblike slova.
\p{M} (Mark) obuhvaća kombinirajuće oznake poput U+0301, akuta kodiranog zasebno nakon e. Regularni izraz ne normalizira tekst: é kodirano kao U+00E9 nema zasebnu kodnu točku M. Normalizirajte tekst prije pretraživanja ako kanonski jednakovrijedan tekst mora imati ujednačen zapis. \p{N} (Number) obuhvaća ٢ i ½; \p{Nd} obuhvaća samo decimalne znamenke, a \d samo znamenke ASCII od 0 do 9.
Upotrijebite zastavicu u ili v, nikada obje istodobno. Bez njih \p i \P ne provjeravaju svojstva Unicodea. Bez i, \P{L} pronalazi jednu kodnu točku izvan L, a [\p{L}\p{M}\p{N}]+ niz od jedne ili više kodnih točaka iz tih kategorija, ne nužno cijeli ulaz. ECMAScript 2024 definira oba načina rada, no podrška ovisi o izvršnom okruženju.
Primjeri
{
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(" ")}`);
}
}Rezultat
L: U+0041 U+01C5 U+732B U+0065 M: U+0301 N: U+0662 U+00BD Lu: U+0041 Lt: U+01C5
Zastavica `g` prikuplja sva podudaranja. Zapis `U+…` čini samostalnu kombinirajuću oznaku vidljivom, a zasebni retci `L`, `Lu` i `Lt` pokazuju koje se kategorije preklapaju.
Povezane lekcije
- JavaScript · Lekcija 10 · Napredno · Verzija: 4
Izvori
- 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