CKTIS / JavaScript
Intl.Segmenter: segment() en isWordLike
Deel tekst op volgens de taal- en regio-instelling en gebruik `isWordLike` om segmenten die als woorden worden behandeld te onderscheiden van de rest.
Versie: ECMAScript 2024 and the current web platform; runtime support varies
Syntax
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) is een instantiemethode van Intl.Segmenter. De methode geeft een nieuw itereerbaar Segments-object terug, geen array. De grenzen hangen af van de effectieve taal- en regio-instelling en de granulariteit die je in de constructor kiest: "grapheme" (standaard, voor grafeemclusters), "word" of "sentence". De methode zet het argument om in een tekenreeks. Een Symbol als argument of een ongeldige this-waarde veroorzaakt een TypeError.
Elk object dat de iteratie oplevert bevat segment (de deeltekenreeks), index (de beginpositie vanaf nul, in UTF-16-code-eenheden) en input (de volledige omgezette tekenreeks). De eindpositie, die niet bij het segment hoort, is index + segment.length. De index telt geen zichtbare tekens.
Alleen in de modus "word" heeft elk object de booleaanse eigenschap isWordLike: true betekent dat het segment als woord wordt behandeld, false dat dit niet zo is. Spaties en leestekens staan meestal nog in het resultaat, met false. Filter de objecten als je alleen segmenten wilt die als woorden worden behandeld. In de andere modi ontbreekt de eigenschap, in plaats van dat ze false is.
De ECMAScript 2024-editie van ECMA-402 specificeert deze API, maar de ondersteuning verschilt per runtime. De grenzen en classificatie kunnen verschillen per taal- en regio-instelling en per implementatie. Ga niet uit van identieke resultaten in alle runtimes.
Voorbeelden
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));Resultaat
[0,"Hi",true] [2,",",false] [3," ",false] [4,"Sam",true] [7,"!",false] ["Hi","Sam"]
De eerste vijf regels tonen de index, deeltekenreeks en classificatie, ook voor de spatie en leestekens. De laatste regel bevat alleen segmenten die als `true` zijn gemarkeerd. Dit is de verwachte uitvoer voor deze Engelse tekst, geen garantie voor elke runtime.
Gerelateerde lessen
- JavaScript · Les 24 · Gevorderd · Versie: 4
Bronnen
- 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