Base di conoscenzaCentro esami
ITItaliano
Scegli la lingua13

CKTIS / JavaScript

Proprietà Unicode nelle espressioni regolari: L, M, N, Lu e Lt

Individua lettere, segni combinanti e caratteri numerici di diversi sistemi di scrittura e distingui le lettere maiuscole da quelle in forma di titolo.

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

Sintassi

/\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")

In JavaScript, \p{…} individua punti di codice in base a una proprietà Unicode. L, M, N, Lu e Lt sono valori abbreviati di General_Category, non nomi di sistemi di scrittura. \p{L}, \p{Letter} e \p{General_Category=Letter} sono equivalenti. Nei nomi e negli alias contano maiuscole e minuscole: /\p{lu}/u causa un SyntaxError.

\p{L} (Letter) comprende lettere di diversi sistemi di scrittura, anche senza distinzione tra maiuscole e minuscole. \p{Lu} (Uppercase_Letter) e \p{Lt} (Titlecase_Letter) sono sottocategorie disgiunte di L: A appartiene a Lu e Dž a Lt. Lt classifica un singolo punto di codice, non una parola con l’iniziale maiuscola. Ometti i se la ricerca deve distinguere maiuscole, minuscole e altre forme di caso.

\p{M} (Mark) comprende segni combinanti come U+0301, l’accento acuto codificato separatamente dopo e. Un’espressione regolare non normalizza il testo: é codificata come U+00E9 non contiene un punto di codice M separato. Normalizza prima della ricerca se serve una rappresentazione uniforme per testi canonicamente equivalenti. \p{N} (Number) comprende ٢ e ½; \p{Nd} si limita alle cifre decimali e \d alle sole cifre ASCII da 0 a 9.

Usa u o v, mai entrambi. Senza uno di questi flag, \p e \P non verificano le proprietà Unicode. Senza i, \P{L} corrisponde a un punto di codice fuori da L, mentre [\p{L}\p{M}\p{N}]+ corrisponde a una sequenza di uno o più punti di codice di queste categorie, non necessariamente a tutto l’input. ECMAScript 2024 definisce entrambe le modalità, ma il supporto dipende dall’ambiente di esecuzione.

Esempi

{
  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(" ")}`);
  }
}

Risultato

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

Il flag `g` raccoglie tutte le corrispondenze. La notazione `U+…` rende visibile il segno combinante isolato e le righe distinte `L`, `Lu` e `Lt` mostrano quali categorie si sovrappongono.

Lezioni correlate

  • JavaScript · Lezione 10 · Avanzato · Versione: 4

Fonti