首页 文章

Javascript - 正则表达式 - 单词边界（\ b）问题

提问于
浏览 次
11

我在使用正则表达式中的 \b 和希腊字符时遇到了困难 .

在this example [a-zA-ZΆΈ-ώἀ-ῼ]* 成功标记我想要的所有单词（希腊文和英文） . 现在考虑我想找到2个字母的单词 . 对于英语语言，我使用类似this: \b[a-zA-Z]{2}\b 的内容 . 你能帮我写一个正则表达式，成功用2个字母标记希腊语单词吗？ （为什么？我的最终目标是删除它们） .

text used:

希腊语单调：Τογάρούνκαιπαρ 'υμίνλεγόμενον，ώςποτεΦαέθωνΗλίουπαίςτοτουπατρόςάρμαζεύξαςδιατομήδυνατόςείναικατάτηντουπατρόςοδόνελαύνειντατ' επίτηςγήςξυνέκαυσεκαιαυτόςκεραυνωθείςδιεφθάρη，τούτομύθουμένσχήμα έχονλέγεται，τοδέαληθέςεστιτωνπερίγήνκαικατ'ουρανόνιόντωνπαράλλαξιςκαιδιάμακρόνχρόνονγιγνομένητωνεπίγήςπυρίπολλώφθορά . 希腊POLYTONIC：Τὸγὰροὖνκαὶπαρ 'ὑμῖνλεγόμενον，ὥςποτεΦαέθωνἩλίουπαῖςτὸτοῦπατρὸςἅρμαζεύξαςδιὰτὸμὴδυνατὸςεἶναικατὰτὴντοῦπατρὸςὁδὸνἐλαύνειντὰτ' ἐπὶτῆςγῆςξυνέκαυσεκαὶαὐτὸςκεραυνωθεὶςδιεφθάρη，τοῦτομύθουμὲνσχῆμαἔχον λέγεται，τὸδὲὲληθέςἐστιτῶνπερὶγῆνκαὶκατ'οὐρανὸνἰόντωνπαράλλαξιςκαὶδιὰμακρὸνχρόνονγιγνομένητῶνἐπὶτῆςγῆςπυρὶπολλῷφθορά . 英语：事实上，在你们国家和我们的故事中讲述了这个故事，曾经的赫利俄斯的儿子希颂曾经用他的父亲的战车，并且，因为他无法沿着他父亲的路线驾驶它烧毁了地球上的所有东西，他自己被霹雳摧毁了 - 据说，这个故事具有传说的风格，但它的真实性在于天体中身体的移动 . 它绕着地球移动，并且通过猛烈的火焰对地球上的东西进行破坏，这种火灾会在很长的时间间隔内再次发生 .

what I've tried so far:

// 1
txt = txt.replace(/\b[a-zA-ZΆΈ-ώἀ-ῼ]{2}\b/g, '');

// 2
tokens = txt.split(/\s+/);
txt = tokens.filter(function(token){ return token.length > 2}).join(' ');

// 3
tokens = txt.split(' ');
txt = tokens.filter(function(token){ return token.length != 3}).join(' ') );

我在这里提出了2和3的问题：Javascript - regex - how to remove words with specified length

EDIT

阅读：

javascript regex word-boundary

3 回答

  • 3

    您可以使用\ S.

    不是为“单词字符加上这些字符”写匹配，而是使用匹配非空白的正则表达式是合适的：

    \S

    它的范围更广，但编写/使用更简单 .

    如果这太宽泛 - 使用独占列表而不是包含列表：

    [^\s\.]

    那就是 - 任何不是空格而不是点的字符 . 通过这种方式，添加例外也很容易 .

    不要尝试使用\ b

    字边界don't work with none-ascii characters，很容易证明：

    > "yay".match(/\b.*\b/)
["yay"]
> "γaγ".match(/\b.*\b/)
["a"]

    因此，不可能使用 \b 来检测带有希腊字符的单词 - 每个字符都是匹配的边界 .

    匹配2个字符的单词

    以下模式可用于匹配两个字符单词：

    pattern = /(^|[\s\.,])(\S{2})(?=$|[\s\.,])/g;

    （更准确地说：匹配两个非空格序列） .

    那是：

    (^|[\s\.,]) - start of string or whitespace/punctuation (back reference 1)
(\S{2})     - two not-whitespace characters (back reference 2)
($|[\s\.,]) - end of string or whitespace/punctuation (positive lookahead)

    可以像这样使用该模式来删除匹配的单词：

    "input string".replace(pattern);

    这是一个jsfiddle，展示了问题中文本使用的模式 .

    回复于
  • 1

    尝试这样的事情：

    \s[a-zA-ZΆΈ-ώἀ-ῼ]{2}\s
    回复于
  • 12

    由于Javascript没有lookbehind功能，并且由于单词边界仅适用于 \w 字符类的成员，因此唯一的方法是使用组（如果要进行替换，则使用捕获组）：

    (?m)(^|[^a-zA-ZΆΈ-ώἀ-ῼ\n])([a-zA-ZΆΈ-ώἀ-ῼ]{2})(?![a-zA-ZΆΈ-ώἀ-ῼ])

    删除2个字母的示例：

    txt = txt.replace(/(^|[^a-zA-ZΆΈ-ώἀ-ῼ\n])([a-zA-ZΆΈ-ώἀ-ῼ]{2})(?![a-zA-ZΆΈ-ώἀ-ῼ])/gm, '\1');
    回复于

相关问题