口音不敏感的正则表达式

Posted 2023-03-06

【中文标题】口音不敏感的正则表达式

【英文标题】：accent insensitive regex

【发布时间】：2011-05-14 18:54:42

【问题描述】：

我的代码：

jQuery.fn.extend(
 highlight: function(search)
  var regex = new RegExp('(<[^>]*>)|('+ search.replace(/[.+]i/,"$0") +')','ig');

  return this.html(this.html().replace(regex, function(a, b, c)
   return (a.charAt(0) == '<') ? a : '<strong class="highlight">' + c + '</strong>';
  ));
 

);

我想突出显示带有重音符号的字母， 即：

$('body').highlight("cao");

应该突出显示：[ção] OR [ção] OR [cáo] OR expre[cão]tion OR [Cáo]tion

我该怎么做？

【参考方案1】：

唯一正确的方法是首先通过 Unicode 规范化表单 D 运行它，规范分解。

然后您剥离我们产生的任何标记（\pM 字符，或者可能是 \pDiacritic，取决于），并针对 de/un-marked 版本运行您的匹配。

在任何情况下都不要硬编码一堆文字。哎呀！

Boa sorte！

【讨论】：

我该怎么做？这是一半的答案，只是指向解决方案！

【参考方案2】：

您需要提供一个替代字符表，并根据该表动态生成一个正则表达式。例如：

var alt = 
  'c': '[cCç]',
  'a': '[aAãÃá]',
  /* etc. */
;

highlight: function (search) 
  var pattern = '';
  for (var i = 0; i < search.length; i++) 
    var ch = search[i];
    if (alt.hasOwnProperty(ch))
      pattern += alt[ch];
    else
      pattern += ch;
  

  ...

那么对于search = 'cao'，这将生成一个模式[cCç][aAãÃá]o。