为什么我不能在单词边界旁使用带重音符号？
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了为什么我不能在单词边界旁使用带重音符号？相关的知识，希望对你有一定的参考价值。
我正在尝试制作与一个人的名字匹配的动态正则表达式。在大多数名称上都可以正常使用，直到我在名称末尾遇到带重音符号的字符为止。
示例：某些花式Namé
到目前为止，我使用的正则表达式是：
/(Fancy Namé|Namé)/i
像这样使用：
"Goal: Some Fancy Namé. Awesome.".replace(/(Fancy Namé|Namé)/i, '<a href="#">$1</a>');
这根本不匹配。如果将é替换为e，则匹配得很好。如果我尝试匹配“ Some FancyNaméa”之类的名称，则效果很好。如果我删除单词last word边界锚，它就可以正常工作。
为什么单词边界标记在这里不起作用？关于如何解决此问题的任何建议？
我已经考虑使用类似的方法，但是我不确定性能会受到什么样的影响：
"Some fancy namé. Allow me to ellaborate.".replace(/([s.,!?])(fancy namé|namé)([s.,!?]|$)/g, '$1<a href="#">$2</a>$3')
建议？想法？
javascript的regex实现不支持Unicode。它仅知道标准低字节ASCII中的“单词字符”，其中不包含é或任何其他带重音或非英语的字母。
因为é不是JS的文字字符，所以é后面加空格不能被视为文字边界。 （如果用在单词中间，例如，它将与Namés相匹配。）
/([s.,!?])(fancy namé|namé)([s.,!?]|$)/
是的，这将是JS通常的解决方法（尽管可能会有更多的标点符号）。对于其他语言，通常应使用超前/后退以避免与前后边界字符匹配，但是在JS中这些字符受支持不佳/错误，因此最好避免。
Rob是正确的。引自ECMAScript第三版：
15.10.2.6断言：
生产断言
的评估依据...2。调用IsWordChar（e-1）并让a为布尔结果3。调用IsWordChar（e）并让b为布尔结果
和
内部帮助函数IsWordChar ...执行以下操作：
3。如果c是下表中的六十三个字符之一，则返回true。
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 _
由于é不是这63个字符之一，因此é和a之间的位置将被视为单词边界。
如果您知道字符的类别，则可以使用否定的前瞻性断言，例如
/(^|[^wÀ-ÖØ-öø-ſ])(Fancy Namé|Namé)(?![wÀ-ÖØ-öø-ſ])/
了解您的边界
[不幸的是，即使有一天Javascript应该完全和适当地支持Unicode，您也将[[still在单词边界方面要格外小心。容易误解的实际作用。
# if next is word char:
# then last isn't word
# else last isn't nonword
$word_boundary_before = qr{ (?(?= w ) (?<! w ) | (?<! W ) ) }x;
# if last is word:
# then next isn't word
# else next isn't nonword
$word_boundary_after = qr{ (?(?<= w ) (?! w ) | (?! W ) ) }x;
第一个就像在某个东西之前的的ASCII世界。我承认，这只是一个悲惨的情况。甚至Python都非常保守（例如，它甚至不支持递归正则表达式），does允许，第二个就像在它之后的。所使用的构造为条件表达式正则表达式“ IF-THEN = ELSE”，其一般形式为(?(COND)THEN|ELSE)。在这里，我使用的是COND测试，第一种情况是先行，第二种情况是先行。在两种情况下，THEN和ELSE子句都是否定的环顾四周，因此它们将字符串的边缘考虑在内。
我将解释有关在正则表达式here中处理边界和Unicode的更多信息。Unicode属性支持
current state of affairs in Javascript’s treatment of Unicode
似乎
就像Java一样，Javascript对w的定义等等仍然由于被卡在1960年代而陷入瘫痪
w和s的定义正确地使用Unicode。确实，这是最低的功能级别。在Javasscript中，它既好又坏。这是因为您can
使用Javascript（或Java）中一些最基本的Unicode属性。看起来您应该能够使用一字符和两个字符的“常规类别” Unicode属性。这意味着您应该能够使用下面第一列中的简称：Short Name Long Name
¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯
pL p{Letter}
p{Lu} p{Uppercase_Letter}
p{Ll} p{Lowercase_Letter}
p{Lt} p{Titlecase_Letter}
p{Lm} p{Modifier_Letter}
p{Lo} p{Other_Letter}
Short Name Long Name
¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯
pM p{Mark}
p{Mn} p{Nonspacing_Mark}
p{Mc} p{Spacing_Mark}
p{Me} p{Enclosing_Mark}
Short Name Long Name
¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯
pN p{Number}
p{Nd} p{Decimal_Number},p{Digit}
p{Nl} p{Letter_Number}
p{No} p{Other_Number}
Short Name Long Name
¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯
pP p{Punctuation}, p{Punct})
p{Pc} p{Connector_Punctuation}
p{Pd} p{Dash_Punctuation}
p{Ps} p{Open_Punctuation}
p{Pe} p{Close_Punctuation}
p{Pi} p{Initial_Punctuation}
p{Pf} p{Final_Punctuation}
p{Po} p{Other_Punctuation}
Short Name Long Name
¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯
pS p{Symbol}
p{Sm} p{Math_Symbol}
p{Sc} p{Currency_Symbol}
p{Sk} p{Modifier_Symbol}
p{So} p{Other_Symbol}
Short Name Long Name
¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯
pZ p{Separator}
p{Zs} p{Space_Separator}
p{Zl} p{Line_Separator}
p{Zp} p{Paragraph_Separator}
Short Name Long Name
¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯
pC p{Other}
p{Cc} p{Control}, p{Cntrl}
p{Cf} p{Format}
p{Cs} p{Surrogate}
p{Co} p{Private_Use}
p{Cn} p{Unassigned}
您仅必须在Java和Javascript中使用短名称，但是Perl也允许您使用长名称，这有助于提高可读性，Perl 5.12版本支持大约3,000个Unicode属性。 Python没有值得一提的Unicode属性支持，而Ruby刚开始在1.9版本中得到它。 PCRE的支持有限，主要是Java 1.7。[Java6支持Unicode块属性，例如still
p{InGeneralPunctuation}或p{Block=GeneralPunctuation}，而Java7支持Unicode脚本属性，例如p{IsHiragana}或p{Script=Hiragana}。 [但是，它仍然不支持甚至接近full set of Unicode properties的任何东西，包括p{WhiteSpace}，p{Dash}和p{Quotation_Mark}等近临界的东西，更不用说像p{Line_Break=Alphabetic}这样的其他两部分了， p{East_Asian_Width:Narrow}，p{Numeric_Value=1000}或p{Age:5.2}。
[前一组是必不可少的-
尤其是
由于缺乏对s工作正确性的支持，而后一组有时很有用。[Java和Javascript还不支持的其他功能是user-defined character properties。我用了很多。这样，您可以定义p{English::Vowel}或p{English::Consonant}之类的东西，这非常方便。如果您对正则表达式工作的Unicode属性感兴趣，那么tou可能希望获取
unitrio
程序集：uniprops，unichars和uninames。这是这三个示例的演示：$ uninames face
፦ 4966 1366 ETHIOPIC PREFACE COLON
⁙ 8281 2059 FIVE DOT PUNCTUATION
= Greek pentonkion
= quincunx
x (die face-5 - 2684)
∯ 8751 222F SURFACE INTEGRAL
# 222E 222E
☹ 9785 2639 WHITE FROWNING FACE
☺ 9786 263A WHITE SMILING FACE
= have a nice day!
☻ 9787 263B BLACK SMILING FACE
⚀ 9856 2680 DIE FACE-1
⚁ 9857 2681 DIE FACE-2
⚂ 9858 2682 DIE FACE-3
⚃ 9859 2683 DIE FACE-4
⚄ 9860 2684 DIE FACE-5
⚅ 9861 2685 DIE FACE-6
⾯ 12207 2FAF KANGXI RADICAL FACE
# 9762
〠 12320 3020 POSTAL MARK FACE
龜 64206 FACE CJK COMPATIBILITY IDEOGRAPH-FACE
: 9F9C
FMTEYEWTK关于Unicode属性：
$ uniprops -va LF 85 Greek:Sigma INFINITY BOM U+3000 U+12345 U+000A ‹U+000A› N{ LINE FEED (LF) }: s v R pC p{Cc} p{All} p{Any} p{ASCII} p{Assigned} p{C} p{Other} p{Cc} p{Cntrl} p{Common} p{Zyyy} p{Control} p{Pat_WS} p{Pattern_White_Space} p{PatWS} p{PerlSpace} p{PosixCntrl} p{PosixSpace} p{Space} p{SpacePerl} p{VertSpace} p{White_Space} p{WSpace} p{Age:1.1} p{Block=Basic_Latin} p{Bidi_Class:B} p{Bidi_Class=Paragraph_Separator} p{Bidi_Class:Paragraph_Separator} p{Bc=B} p{Block:ASCII} p{Block:Basic_Latin} p{Blk=ASCII} p{Canonical_Combining_Class:0} p{Canonical_Combining_Class=Not_Reordered} p{Canonical_Combining_Class:Not_Reordered} p{Ccc=NR} p{Canonical_Combining_Class:NR} p{Script=Common} p{Decomposition_Type:None} p{Dt=None} p{East_Asian_Width=Neutral} p{East_Asian_Width:Neutral} p{Grapheme_Cluster_Break:LF} p{GCB=LF} p{Hangul_Syllable_Type:NA} p{Hangul_Syllable_Type=Not_Applicable} p{Hangul_Syllable_Type:Not_Applicable} p{Hst=NA} p{Joining_Group:No_Joining_Group} p{Jg=NoJoiningGroup} p{Joining_Type:Non_Joining} p{Jt=U} p{Joining_Type:U} p{Joining_Type=Non_Joining} p{Line_Break:LF} p{Line_Break=Line_Feed} p{Line_Break:Line_Feed} p{Lb=LF} p{Numeric_Type:None} p{Nt=None} p{Numeric_Value:NaN} p{Nv=NaN} p{Present_In:1.1} p{Age=1.1} p{In=1.1} p{Present_In:2.0} p{In=2.0} p{Present_In:2.1} p{In=2.1} p{Present_In:3.0} p{In=3.0} p{Present_In:3.1} p{In=3以上是关于为什么我不能在单词边界旁使用带重音符号？的主要内容，如果未能解决你的问题，请参考以下文章
我如何扩展 jquery quicksearch 以便它可以搜索带重音的单词？