Unicode-eigenschap ontsnapt

De klassen \w, \d, \s in ASCII zijn niet voldoende voor Italiaans, Frans, Grieks of emoji-tekst. Moderne JavaScript (met de vlag u -- Unicode) biedt property escapes \p{...}: semantische klassen gebaseerd op Unicode eigenschappen van karakters.

Pattern: \p{L}+        (with flag u)
Sample:  Ciao caffe' \u00fcber \u4e16\u754c
         ^^^^ ^^^^^^^ ^^^^ ^^^^

\p{L} = "elke letter (Unicode)": bevat letters met accenten, Chinees ideogrammen, Cyrillisch, Grieks\u2026 alles. De meest voorkomende:

• \p{L} -- letter (van elk alfabet).
• \p{N} -- nummer (Arabische cijfers, Romeins, Indiaas\u2026).
• \p{P} -- leestekens.
• \p{S} -- symbool (wiskundig, valuta, emoji\u2026).
• \p{Z} -- spatie/scheidingsteken.
• \p{Script=Latin} -- specifiek het Latijnse alfabet.
• \p{Script=Greek} -- het Griekse alfabet. En zo verder.

En de geweigerde versies \P{L}, \P{N}, \u2026

Verschil met \w en \d

\\w matches [A-Za-z0-9_]              -- ASCII only, no "caffe'"
\\p{L}\\p{N}_  with flag u            -- includes accented characters

Voor een robuuste parser van Italiaanse tekst, verkies \p{L} boven \w: citta', perche', andro' komen correct overeen als woorden.

Unicode-eigenschappen en browsercompatibiliteit

Unicode-eigenschappen zoals \\p{L} (Letters) of \\p{Script=Latin} breiden klassen uit naar internationale alfabetten. In JavaScript vereisen ze strikt de vlag u (of v), anders genereert de engine een syntaxisfout.

Probeer het

Oefening beoordelen

Extra uitdaging