Javascript RegExp + boundaries + unicode-Zeichen

Scheint es ein problem mit Regex und das Wort Grenze \b matching am Anfang einer Zeichenfolge beginnend mit einem Charakter aus dem normalen 256-byte-Bereich.

Anstatt \b, versuchen Sie es mit (?:^|\\s)

var title = "this is simple string with finnish word tämä on ääkköstesti älkää ihmetelkö";
//Does not work
var searchterm = "äl";

//does not work
//var searchterm = "ää";

//Works
//var searchterm = "wi";

if ( new RegExp("(?:^|\\s)"+searchterm, "gi").test(title) ) {
    $("#result").html("Match: ("+searchterm+"): "+title);
} else {
    $("#result").html("nothing found with term: "+searchterm);   
}

Aufteilung:

(?: Klammer () form eines capture-Gruppe in Regex. Klammer begann mit einem Fragezeichen und Doppelpunkt ?: form einer non-capturing-group. Sie haben einfach Gruppe die Begriffe zusammen

^ caret-symbol entspricht dem Anfang einer Zeichenfolge

| die bar ist der "oder" - operator.

\s entspricht Leerzeichen (wird als \\s im string, denn wir haben zu entkommen backslash)

) schließt die Gruppe

Anstatt also mit \b, was mit Wort-Grenzen und funktioniert nicht für unicode-Zeichen, verwenden wir eine non-capturing-group mit dem Anfang einer Zeichenfolge ODER ein Leerzeichen.

InformationsquelleAutor mowwwalker

diese Frage ist alt, aber ich glaube, ich fand eine bessere Lösung für die Grenze in reguläre Ausdrücke, die unicode-Buchstaben.
Mit XRegExp implementieren Sie einen gültigen \b-Begrenzung der Ausweitung dieses

XRegExp('(?=^|$|[^\\p{L}])')

das Ergebnis ist ein 4000+ char lange, aber es scheint zu funktionieren ganz durchführen.

Einige Erklärung: (?= ) ist eine null-Länge lookahead sieht, die für eine begin-oder end-Grenze oder eine nicht-Brief unicode-Zeichen. Der wichtigste glaube, ist der lookahead, weil das \b erfasst nicht alles: es ist einfach true oder false.

InformationsquelleAutor max masetti

Bemerkte ich etwas, das wirklich komisch mit \b bei Verwendung von Unicode:

/\bo/.test("pop"); //false (obviously)
/\bä/.test("päp"); //true (what..?)

/\Bo/.test("pop"); //true
/\Bä/.test("päp"); //false (what..?)

Scheint es, dass die Bedeutung von \b und \B sind vertauscht, aber nur, wenn verwendet mit nicht-ASCII-Unicode? Es könnte etwas tiefer Los hier, aber ich bin mir nicht sicher, was es ist.

In jedem Fall, es scheint, dass das Wort Grenze ist das Problem, nicht die Unicode-Zeichen von sich. Vielleicht sollte man einfach ersetzen \b mit (^|[\s\\/-_&]), wie es scheint, um korrekt zu arbeiten. (Machen Sie Ihre eigene Liste von Symbolen umfassender als mir, obwohl.)

InformationsquelleAutor apsillers

Ich hatte ein ähnliches problem, aber ich hatte zu ersetzen, eine Reihe von Bedingungen. Alle Lösungen, die ich gefunden habe nicht funktioniert, wenn sich zwei Begriffe wurden im text nebeneinander (weil Ihre Grenzen overlaped). So musste ich ein wenig modifiziert Ansatz:

var text = "Ještě. že; \"už\" à. Fürs, 'anlässlich' že že že.";
var terms = ["à","anlässlich","Fürs","už","Ještě", "že"];
var replaced = [];
var order = 0;
for (i = 0; i < terms.length; i++) {
    terms[i] = "(^\|[ \n\r\t.,;'\"\+!?-])(" + terms[i] + ")([ \n\r\t.,;'\"\+!?-]+\|$)";
}
var re = new RegExp(terms.join("|"), "");
while (true) {
    var replacedString = "";
    text = text.replace(re, function replacer(match){
        var beginning = match.match("^[ \n\r\t.,;'\"\+!?-]+");
        if (beginning == null) beginning = "";
        var ending = match.match("[ \n\r\t.,;'\"\+!?-]+$");
        if (ending == null) ending = "";
        replacedString = match.replace(beginning,"");
        replacedString = replacedString.replace(ending,"");
        replaced.push(replacedString);
        return beginning+"{{"+order+"}}"+ending;
    });
if (replacedString == "") break;
order += 1;
}

Finden Sie den code in ein Turnschuh: http://jsfiddle.net/antoninslejska/bvbLpdos/1/

Dem regulären Ausdruck ist inspiriert von: http://breakthebit.org/post/3446894238/word-boundaries-in-javascripts-regular

Kann ich nicht sagen, ich finde die Lösung elegant...

InformationsquelleAutor Antonín Slejška