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
- 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