Base de conhecimentoCentro de Exames
PT · PTPortuguês (Portugal)
Escolher idioma13

CKTIS / JavaScript

Intl.Segmenter: segment() e isWordLike

Divide texto de acordo com as definições regionais e usa `isWordLike` para distinguir os segmentos tratados como palavras dos restantes segmentos.

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

Sintaxe

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) é um método de instância de Intl.Segmenter. Devolve um novo objeto iterável Segments, não um array. Os limites dependem das definições regionais efetivas e da granularidade escolhida no construtor: "grapheme" (a predefinição, para grupos de grafemas), "word" ou "sentence". O método converte o argumento numa cadeia de caracteres. Um argumento do tipo Symbol ou um valor inválido de this provoca um TypeError.

Cada objeto produzido durante a iteração contém segment (a subcadeia), index (a posição inicial a partir de zero, em unidades de código UTF-16) e input (a cadeia convertida na íntegra). O limite final, excluído, é index + segment.length. O índice não conta caracteres visíveis.

Apenas no modo "word" cada objeto tem a propriedade booleana isWordLike: true indica que o segmento é tratado como uma palavra e false que não é. Os espaços e a pontuação ficam normalmente no resultado com false. Filtra os objetos se quiseres apenas os segmentos tratados como palavras. Nos outros modos, a propriedade está ausente, em vez de ter o valor false.

A edição ECMAScript 2024 da ECMA-402 especifica esta API, mas o suporte varia conforme o ambiente de execução. Os limites e a classificação podem variar consoante as definições regionais e a implementação. Não pressuponhas resultados idênticos em todos os ambientes.

Exemplos

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));

Resultado

[0,"Hi",true]
[2,",",false]
[3," ",false]
[4,"Sam",true]
[7,"!",false]
["Hi","Sam"]

As primeiras cinco linhas apresentam o índice, a subcadeia e a sua classificação, incluindo o espaço e a pontuação. A última linha contém apenas os segmentos marcados como `true`. É o resultado esperado para este texto em inglês, não uma garantia para todos os ambientes.

Lições relacionadas

  • JavaScript · Lição 24 · Avançado · Versão: 4

Fontes