文本匹配不适用于阿拉伯语问题可能是由于阿拉伯语的正则表达式

Question

文本匹配不适用于阿拉伯语问题可能是由于阿拉伯语的正则表达式

我一直在努力为我的多语言网站添加功能,我必须突出显示匹配的标记关键字.

此功能适用于英语版本,但不适用于阿拉伯语版本.

我在jsFiddle上设置了示例

示例代码

    function HighlightKeywords(keywords)
    {        
        var el = $("#article-detail-desc");
        var language = "ar-AE";
        var pid = 32;
        var issueID = 18; 
        $(keywords).each(function()
        {
           // var pattern = new RegExp("("+this+")", ["gi"]); //breaks html
            var pattern = new RegExp("(\\b"+this+"\\b)(?![^<]*?>)", ["gi"]); //looks for match outside html tags
            var rs = "<a class='ad-keyword-selected' href='http://www.alshindagah.com/ar/search.aspx?Language="+language+"&PageId="+pid+"&issue="+issueID+"&search=$1' title='Seach website for:  $1'><span style='color:#990044; tex-decoration:none;'>$1</span></a>";
            el.html(el.html().replace(pattern, rs));
        });
    }   

HighlightKeywords(["you","?????","?????","????","?????","Hello","34","english"]);

//Popup Tooltip for article keywords
     $(function() {
        $("#article-detail-desc").tooltip({
        position: {
            my: "center bottom-20",
            at: "center top",
            using: function( position, feedback ) {
            $( this ).css( position );
            $( "<div>" )
            .addClass( "arrow" )
            .addClass( feedback.vertical )
            .addClass( feedback.horizontal )
            .appendTo( this );
        }
        }
        });
    });

Run Code Online (Sandbox Code Playgroud)

我将关键字存储在数组中,然后将它们与特定div中的文本进行匹配.

我不确定是由于Unicode还是什么问题.在这方面的帮助表示赞赏.

Answer 1

T.J*_*der 7

这个答案有三个部分

为什么它不起作用
一个如何用英语接近它的例子(意在被一个有阿拉伯语线索的人改编成阿拉伯语)
一个人(我)做阿拉伯语版本的一个人,他对阿拉伯语一无所知:-)

为什么它不起作用

在问题的至少一部分是,你依靠\b断言,它(像它的同行\B,\w和\W)是英语为中心.你不能在其他语言中依赖它(甚至,真的,用英语 - 见下文).

这里的定义\b在规范:

生产断言:: \ b通过返回一个AssertionTester带有State参数的内部闭包进行求值,x并执行以下操作:

我们e要x的endIndex.

打电话IsWordChar(e–1),让a是Boolean结果.

打电话IsWordChar(e),让b是Boolean结果.

如果a是true,b是false,返回true.

如果a是false,b是true,返回true.

返回false.

...其中IsWordChar进一步定义为基本上意味着这63个字符中的一个:

a  b  c  d  e  f  g  h  i  j  k  l  m  n  o  p  q  r  s  t  u  v  w  x  y  z
A  B  C  D  E  F  G  H  I  J  K  L  M  N  O  P  Q  R  S  T  U  V  W  X  Y  Z
0  1  2  3  4  5  6  7  8  9  _

例如,26个英文字母a为z大写或小写,数字0为9,和_.(这意味着你甚至不能依靠\b,\B,\w,或\W用英文,因为English有像"瞧"贷款的话,但那是另一回事.)

第一个使用英语的例子

您将不得不使用不同的机制来检测阿拉伯语中的单词边界.如果你能想出一个包含构成单词的所有阿拉伯语"代码点"(如Unicode所示)的字符类,你可以使用类似这样的代码:

var keywords = {
    "laboris": true,
    "laborum": true,
    "pariatur": true
    // ...and so on...
};
var text = /*... get the text to work on... */;
text = text.replace(
    /([abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789_]+)([^abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789_]+)?/g,
    replacer);

function replacer(m, c0, c1) {
    if (keywords[c0]) {
        c0 = '<a href="#">' + c0 + '</a>';
    }
    return c0 + c1;
}

Run Code Online (Sandbox Code Playgroud)

注意事项:

我用这个[abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ]词来表示"一个字的字符".显然你必须为阿拉伯语改变这一点(显着).
我用这个[^abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ]词来表示"不是一个单词字符".这与前一个类一样^,在开始时使用negation().
正则表达式使用两个捕获组()查找任何一系列"单词字符",后跟一系列可选的非单词字符(...).
String#replacereplacer使用匹配的全文调用函数,然后将每个捕获组作为参数调用.
该replacer函数在keywords地图中查找第一个捕获组(单词)以查看它是否为关键字.如果是这样,它将它包裹在一个锚中.
该replacer函数返回可能包装的单词加上其后的非单词文本.
String#replace使用返回值replacer来替换匹配的文本.

以下是完成此操作的完整示例:Live Copy | 直播源

<!DOCTYPE html>
<html>
<head>
<meta charset=utf-8 />
<title>Replacing Keywords</title>
</head>
<body>
  <p>Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.</p>

  <script src="http://code.jquery.com/jquery-1.9.1.min.js"></script>
  <script>
    (function() {
      // Our keywords. There are lots of ways you can produce
      // this map, here I've just done it literally
      var keywords = {
        "laboris": true,
        "laborum": true,
        "pariatur": true
      };

      // Loop through all our paragraphs (okay, so we only have one)
      $("p").each(function() {
        var $this, text;

        // We'll use jQuery on `this` more than once,
        // so grab the wrapper
        $this = $(this);

        // Get the text of the paragraph
        // Note that this strips off HTML tags, a
        // real-world solution might need to loop
        // through the text nodes rather than act
        // on the full text all at once
        text = $this.text();

        // Do the replacements
        // These character classes match JavaScript's
        // definition of a "word" character and so are
        // English-centric, obviously you'd change that
        text = text.replace(
          /([abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789_]+)([^abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789_]+)?/g,
          replacer);

        // Update the paragraph
        $this.html(text);
      });

      // Our replacer. We define it separately rather than
      // inline because we use it more than once      
      function replacer(m, c0, c1) {
        // Is the word in our keywords map?
        if (keywords[c0]) {
          // Yes, wrap it
          c0 = '<a href="#">' + c0 + '</a>';
        }
        return c0 + c1;
      }
    })();
  </script>
</body>
</html>

Run Code Online (Sandbox Code Playgroud)

用阿拉伯语刺伤它

我抓住了阿拉伯语版本.根据维基百科上的Unicode页面中的阿拉伯语脚本,使用了几个代码范围,但是您的示例中的所有文本都属于U + 0600到U + 06FF的主要范围.

这就是我提出的:小提琴(我更喜欢JSBin,我上面使用的,但我无法让文本以正确的方式出现.)

(function() {
    // Our keywords. There are lots of ways you can produce
    // this map, here I've just done it literally
    var keywords = {
        "?????": true,
        "?????": true,
        "????": true,
        "?????": true
    };

    // Loop through all our paragraphs (okay, so we only have two)
    $("p").each(function() {
        var $this, text;

        // We'll use jQuery on `this` more than once,
        // so grab the wrapper
        $this = $(this);

        // Get the text of the paragraph
        // Note that this strips off HTML tags, a
        // real-world solution might need to loop
        // through the text nodes rather than act
        // on the full text all at once
        text = $this.text();

        // Do the replacements
        // These character classes just use the primary
        // Arabic range of U+0600 to U+06FF, you may
        // need to add others.
        text = text.replace(
            /([\u0600-\u06ff]+)([^\u0600-\u06ff]+)?/g,
            replacer);

        // Update the paragraph
        $this.html(text);
    });

    // Our replacer. We define it separately rather than
    // inline because we use it more than once      
    function replacer(m, c0, c1) {
        // Is the word in our keywords map?
        if (keywords[c0]) {
            // Yes, wrap it
            c0 = '<a href="#">' + c0 + '</a>';
        }
        return c0 + c1;
    }
})();

Run Code Online (Sandbox Code Playgroud)

我在上面的英语功能中所做的就是:

使用[\u0600-\u06ff]是"单词字符",并[^\u0600-\u06ff]为"不是一个单词字符".您可能需要添加此处列出的一些其他范围(例如相应的数字样式),但同样,示例中的所有文本都属于这些范围.
从您的示例中将关键字更改为您的三个(其中只有两个似乎在文本中).

对于我非常非阿拉伯语的阅读眼睛,它似乎有效.

归档时间：	12 年，6 月前
查看次数：	1136 次
最近记录：	6 年，9 月前