CKTIS / JavaScript
Lastnosti Unicode v regularnih izrazih: L, M, N, Lu in Lt
Poiščite črke, kombinirne oznake in številske znake iz različnih pisav ter ločite velike črke od črk v naslovni obliki.
Različica: ECMAScript 2024 and the current web platform; runtime support varies
Sintaksa
/\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")V JavaScriptu se \p{…} ujema s kodnimi točkami na podlagi lastnosti Unicode. L, M, N, Lu in Lt so kratke oblike vrednosti General_Category, ne imena pisav. \p{L}, \p{Letter} in \p{General_Category=Letter} pomenijo isto. Pri imenih in vzdevkih je pomembna velikost črk: /\p{lu}/u povzroči SyntaxError.
\p{L} (Letter) zajema črke različnih pisav, tudi takih, ki ne ločujejo velikih in malih črk. \p{Lu} (Uppercase_Letter) in \p{Lt} (Titlecase_Letter) sta podkategoriji L, ki se ne prekrivata: A spada v Lu, Dž pa v Lt. Lt razvršča posamezno kodno točko, ne besede z veliko začetnico. Izpustite i, če mora iskanje upoštevati razlike med velikostnimi oblikami črk.
\p{M} (Mark) zajema kombinirne oznake, na primer U+0301, ostrivec, kodiran ločeno za e. Regularni izraz ne normalizira besedila: é, kodiran kot U+00E9, nima ločene kodne točke M. Če mora imeti kanonično enakovredno besedilo enoten zapis, ga pred iskanjem normalizirajte. \p{N} (Number) zajema ٢ in ½; \p{Nd} zajema le desetiške števke, \d pa le števke ASCII od 0 do 9.
Uporabite zastavico u ali v, nikoli obeh hkrati. Brez njiju \p in \P ne preverjata lastnosti Unicode. Brez i se \P{L} ujema z eno kodno točko zunaj L, [\p{L}\p{M}\p{N}]+ pa z zaporedjem ene ali več kodnih točk iz teh kategorij, ne nujno s celotnim vhodom. ECMAScript 2024 opredeljuje oba načina, vendar je podpora odvisna od izvajalnega okolja.
Primeri
{
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(" ")}`);
}
}Rezultat
L: U+0041 U+01C5 U+732B U+0065 M: U+0301 N: U+0662 U+00BD Lu: U+0041 Lt: U+01C5
Zastavica `g` zbere vsa ujemanja. Zapis `U+…` naredi samostojno kombinirno oznako vidno, ločene vrstice `L`, `Lu` in `Lt` pa pokažejo, katere kategorije se prekrivajo.
Povezane lekcije
- JavaScript · Lekcija 10 · Napredna · Različica: 4
Viri
- ECMAScript® 2024 Language Specification — Patterns
- ECMAScript® 2022 Language Specification — Value aliases and canonical values for the Unicode property General_Category
- ECMAScript® 2024 Language Specification — String.prototype.normalize
- Unicode character class escape: \p{...}, \P{...} — JavaScript | MDN
- RegExp.prototype.unicodeSets — JavaScript | MDN