Proprietatea Unicode scapă

Clasele \w, \d, \s în ASCII nu sunt suficiente pentru italiană, franceză, greacă sau text emoji. JavaScript modern (cu marcajul u -- Unicode) oferă Property escapes \p{...}: clase semantice bazate pe Unicode proprietățile personajelor.

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

\p{L} = „orice literă (Unicode)”: include litere accentuate, chineză ideograme, chirilice, greacă\u2026 totul. Cele mai comune:

• \p{L} -- literă (din orice alfabet).
• \p{N} -- număr (cifre arabe, romane, indiene\u2026).
• \p{P} -- punctuație.
• \p{S} -- simbol (matematic, valutar, emoji\u2026).
• \p{Z} -- spațiu/separator.
• \p{Script=Latin} -- în special alfabetul latin.
• \p{Script=Greek} -- alfabetul grecesc. Și așa mai departe.

Și versiunile negate \P{L}, \P{N}, \u2026

Diferența cu \w și \d

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

Pentru un parser robust al textului italian, preferați \p{L} față de \w: citta', perche', andro' se potrivesc corect ca cuvinte.

Proprietăți Unicode și compatibilitate cu browserul

Proprietățile Unicode precum \\p{L} (Litere) sau \\p{Script=Latin} extind clasele la alfabetele internaționale. În JavaScript, necesită strict indicatorul u (sau v), altfel motorul aruncă o eroare de sintaxă.

Încearcă

Exercițiu de revizuire

Provocare suplimentară