CKTIS / JavaScript
Intl.Segmenter: segment() i isWordLike
Dziel tekst na segmenty zgodnie z ustawieniami językowymi i używaj `isWordLike`, aby odróżniać fragmenty traktowane jak słowa od pozostałych segmentów.
Wersja: ECMAScript 2024 and the current web platform; runtime support varies
Składnia
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) to metoda instancji Intl.Segmenter. Zwraca nowy iterowalny obiekt Segments, a nie tablicę. Granice segmentów zależą od faktycznie użytych ustawień językowych i poziomu podziału, który wybierasz w konstruktorze: "grapheme" (domyślnie, klastry grafemowe), "word" (słowa) lub "sentence" (zdania). Metoda konwertuje argument na ciąg znaków. Wartość typu Symbol oraz wywołanie bez poprawnej instancji jako this powodują TypeError.
Każdy obiekt zwracany podczas iteracji zawiera segment (fragment tekstu), index (indeks początku, liczony od zera w jednostkach kodowych UTF-16) i input (cały tekst po konwersji). Koniec fragmentu, nienależący do niego, to index + segment.length. Indeks nie określa liczby widocznych znaków.
Tylko w trybie "word" każdy taki obiekt ma właściwość logiczną isWordLike: true oznacza, że fragment jest traktowany jak słowo, a false — że nie. Spacje i znaki interpunkcyjne zwykle pozostają w wyniku z wartością false, więc jeśli chcesz uzyskać tylko fragmenty traktowane jak słowa, przefiltruj wynik. W pozostałych trybach właściwość jest nieobecna, a nie ustawiona na false.
Interfejs opisuje ECMA-402 w wydaniu ECMAScript 2024, ale jego dostępność zależy od środowiska. Zarówno granice segmentów, jak i klasyfikacja mogą się różnić w zależności od ustawień językowych i implementacji. Nie zakładaj identycznych wyników we wszystkich środowiskach.
Przykłady
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));Wynik
[0,"Hi",true] [2,",",false] [3," ",false] [4,"Sam",true] [7,"!",false] ["Hi","Sam"]
Pierwsze pięć wierszy pokazuje indeks, fragment i jego klasyfikację, również dla spacji i znaków interpunkcyjnych. Ostatni wiersz zawiera tylko fragmenty oznaczone jako `true`. To oczekiwany wynik dla tego angielskiego tekstu, a nie gwarancja dla każdego środowiska.
Powiązane lekcje
- JavaScript · Lekcja 24 · Zaawansowany · Wersja: 4
Źródła
- 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