使用javascript在正则表达式中使用区域设置字符

Question

我想通过一个例子来解释更容易:

'gracias senor'.match(/\w+/g)
["gracias", "senor"]

但如果我使用任何非英语字符:

'gracias señor'.match(/\w+/g)
["gracias", "se", "or"]

有没有办法考虑ñ,áé等字符.

Answer 1

根据维基百科，西班牙语字母包括：

• 英文字母：A-Z,a-z
• N 带变音符号波浪号：ñ和Ñ
• 重音字符：á, é, í, ó, ú, ü（及其对应的大写字符）

由于有两种方法可以指定带有变音符号的字符：

• 单字形： á
• 随着组合标志：a?（"a\u0341"）

您至少需要处理此类情况。值得庆幸的是，西班牙语的字符上最多只有 1 个变音标记。

在 Unicode 中，也有分解为英文字母A-Z或a-z. 由于 JavaScript 的 RegExp 对 Unicode 的支持很差，而且它们很少使用，所以我忽略了这些情况。

因此，要正确匹配西班牙字母表（单个字形和组合标记）：

[aeiouAEIOU]\u0341|[uU]\u0308|[nN]\u0303|[a-zA-ZáéíóúüÁÉÍÓÚÜñÑ]

（请注意，i标志对非 US-ASCII 字符无效）。

回到匹配单词的问题。这取决于您对“单词字符”的定义。

假设一个“单词”（西班牙语）由西班牙语字母和数字组成0-9：

(?:[aeiouAEIOU]\u0341|[uU]\u0308|[nN]\u0303|[a-zA-ZáéíóúüÁÉÍÓÚÜñÑ0-9])+

测试代码：

'gracias señor sen?or'.match(/(?:[aeiouAEIOU]\u0341|[uU]\u0308|[nN]\u0303|[a-zA-ZáéíóúüÁÉÍÓÚÜñÑ0-9])+/g).forEach(function(v){console.log(v + " " + v.length)});

输出（匹配字和长度）：

gracias 7
señor 5
sen?or 6