CKTIS / JavaScript
Właściwości Unicode w wyrażeniach regularnych: L, M, N, Lu i Lt
Dopasowuj litery, znaki łączące i znaki liczbowe z różnych pism oraz odróżniaj wielkie litery od liter w formie tytułowej.
Wersja: ECMAScript 2024 and the current web platform; runtime support varies
Składnia
/\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")W JavaScript \p{…} dopasowuje punkty kodowe na podstawie właściwości Unicode. L, M, N, Lu i Lt to skróty wartości General_Category, a nie nazwy pism. \p{L}, \p{Letter} i \p{General_Category=Letter} znaczą to samo. Wielkość liter w nazwach i aliasach ma znaczenie: /\p{lu}/u powoduje SyntaxError.
\p{L} (Letter) obejmuje litery z różnych pism, w tym litery bez rozróżnienia wielkości. \p{Lu} (Uppercase_Letter) i \p{Lt} (Titlecase_Letter) to rozłączne podkategorie L: A należy do Lu, a Dž do Lt. Lt klasyfikuje pojedynczy punkt kodowy, nie słowo zapisane od wielkiej litery. Nie używaj flagi i, gdy dopasowanie ma zachować rozróżnienie wielkości liter.
\p{M} (Mark) obejmuje znaki łączące, np. U+0301, akcent ostry zapisany osobno po e. Wyrażenie regularne nie normalizuje tekstu: w é zapisanym jako U+00E9 nie ma osobnego punktu kodowego kategorii M. Jeśli potrzebujesz spójnej reprezentacji tekstu równoważnego kanonicznie, znormalizuj go przed dopasowaniem. \p{N} (Number) obejmuje m.in. ٢ i ½; \p{Nd} obejmuje tylko cyfry dziesiętne, a \d tylko cyfry ASCII od 0 do 9.
Użyj flagi u lub v, ale nie obu naraz. Bez nich \p i \P nie sprawdzają właściwości Unicode. Bez i zapis \P{L} dopasowuje jeden punkt kodowy spoza L, a [\p{L}\p{M}\p{N}]+ — ciąg co najmniej jednego punktu kodowego z dowolnej z tych kategorii, niekoniecznie całe wejście. ECMAScript 2024 definiuje oba tryby, ale obsługa zależy od środowiska wykonawczego.
Przykłady
{
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(" ")}`);
}
}Wynik
L: U+0041 U+01C5 U+732B U+0065 M: U+0301 N: U+0662 U+00BD Lu: U+0041 Lt: U+01C5
Flaga `g` zbiera wszystkie dopasowania. Zapis `U+…` uwidacznia samodzielny znak łączący, a osobne wiersze `L`, `Lu` i `Lt` pokazują, które kategorie się pokrywają.
Powiązane lekcje
- JavaScript · Lekcja 10 · Zaawansowany · Wersja: 4
Źródła
- 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