Znalostná bázaCentrum skúšok
SKSlovenčina
Vybrať jazyk13

CKTIS / JavaScript

Intl.Segmenter: segment() a isWordLike

Rozdeľ text podľa jazykového nastavenia a pomocou `isWordLike` odlíš úseky považované za slová od ostatných úsekov vo výsledku.

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

Syntax

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) je metóda inštancie Intl.Segmenter. Vracia nový iterovateľný objekt Segments, nie pole. Hranice úsekov závisia od skutočne použitého jazykového nastavenia a od úrovne delenia zvolenej v konštruktore: "grapheme" (predvolená, pre grafémové zhluky), "word" alebo "sentence". Metóda prevedie argument na reťazec. Argument typu Symbol alebo neplatná hodnota this spôsobí chybu TypeError.

Každý objekt získaný iteráciou obsahuje segment (podreťazec), index (jeho začiatočný index od nuly v kódových jednotkách UTF-16) a input (celý prevedený reťazec). Koncový index, ktorý už do úseku nepatrí, je index + segment.length. Index neudáva počet viditeľných znakov.

Iba v režime "word" má každý objekt booleovskú vlastnosť isWordLike: true znamená, že úsek sa považuje za slovo, a false, že nie. Medzery a interpunkcia zvyčajne zostávajú vo výsledku s hodnotou false. Ak chceš iba úseky považované za slová, objekty vyfiltruj. V ostatných režimoch vlastnosť chýba, nemá hodnotu false.

Toto API definuje vydanie ECMAScript 2024 špecifikácie ECMA-402, jeho podpora sa však líši podľa prostredia vykonávania. Hranice aj klasifikácia sa môžu líšiť podľa jazykového nastavenia a implementácie. Nepredpokladaj rovnaké výsledky vo všetkých prostrediach.

Príklady

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));

Výsledok

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

Prvých päť riadkov zobrazuje index, podreťazec a jeho klasifikáciu, a to aj pre medzeru a interpunkciu. Posledný riadok obsahuje iba úseky označené ako `true`. Ide o očakávaný výstup pre tento anglický text, nie o záruku pre každé prostredie.

Súvisiace lekcie

  • JavaScript · Lekcia 24 · Pokročilá · Verzia: 4

Zdroje