Znalostná bázaCentrum skúšok
SKSlovenčina
Vybrať jazyk13

CKTIS / JavaScript

Intl.Segmenter — segmentácia textu podľa jazyka

Intl.Segmenter určuje hranice grafémov, slov alebo viet pomocou pravidiel závislých od jazyka. Metóda segment() vracia iterovateľné opisy segmentov a isWordLike umožňuje vybrať tie, ktoré sú klasifikované ako slová.

Verzia: ECMAScript and Web APIs; exact feature edition and browser support reviewed per entry; Node 24 in repository does not prove browser API support

Syntax

new Intl.Segmenter(locales, { granularity: "word" }).segment(text)

Intl.Segmenter je JavaScriptové internacionalizačné API špecifikované v ECMA-402, ktoré bolo súčasťou už vydania z roku 2022. Nie je to API DOM. Konštruktor vyžaduje new. Možnosť granularity prijíma hodnoty "grapheme" (predvolená), "word" alebo "sentence" a vyberá grafémy, slová či vety. Graféma môže obsahovať viacero kódových bodov, takže nie je totožná s jedinou UTF-16 kódovou jednotkou.

Intl.Segmenter.prototype.segment(text) vracia iterovateľný objekt Segments, nie pole. Každý opis obsahuje segment — textový úsek, index — jeho počiatočný index v UTF-16 kódových jednotkách — a input — celý vstupný text. Ak potrebujete pole, použite Array.from().

Iba pri granularity: "word" má opis logickú vlastnosť isWordLike. Nie je to metóda segmentátora. Vo výsledkoch sa objavujú aj medzery a interpunkcia; filter part.isWordLike ich zvyčajne odstráni. Klasifikácia a hranice závisia od implementácie a jazykových údajov, preto API nepovažujte za univerzálny gramatický analyzátor.

Príklad vyberá slová a vypisuje ich indexy. Pevné nastavenie locale na "en" obmedzuje vplyv predvoleného jazyka, ale nezaručuje rovnakú segmentáciu ľubovoľného textu vo všetkých enginoch. Dostupnosť overte v cieľovom prehliadači: dostupnosť v Node 24 nedokazuje podporu v prehliadačoch. Uvedené zdroje štandardov neurčujú podporované verzie prehliadačov.

Príklady

if (typeof Intl === "undefined" || typeof Intl.Segmenter !== "function") {
  throw new Error("Intl.Segmenter is unavailable");
}
const text = "Hello, world!";
const segmenter = new Intl.Segmenter("en", { granularity: "word" });
const words = Array.from(segmenter.segment(text))
  .filter(part => part.isWordLike)
  .map(part => `${part.segment}@${part.index}`);
console.log(words.join(" | "));

Výsledok

Hello@0 | world@7

Zobrazený kód a uvedený výsledok boli overené v izolovanom prostredí metódou zaznamenanou v dôkaze o overení tejto presnej verzie.

Zdroje