Baza wiedzyCentrum egzaminacyjne
PLPolski
Wybierz język13

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