Экранирование свойств Юникода

Классов \w, \d, \s в ASCII недостаточно для итальянского, французского, греческого языков. или текст смайлика. Современный JavaScript (с флагом u — Unicode) предлагает экранирование свойств \p{...}: семантические классы на основе Unicode свойства персонажей.

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

\p{L} = «любая буква (Юникод)»: включает буквы с диакритическими знаками, китайский язык. идеограммы, кириллица, греческий язык\все. Наиболее распространенные из них:

• \p{L} -- буква (любого алфавита).
• \p{N} -- номер (арабские цифры, римские, индийские).
• \p{P} -- знаки препинания.
• \p{S} -- символ (математический, валютный, эмодзи).
• \p{Z} -- пробел/разделитель.
• \p{Script=Latin} -- конкретно латинский алфавит.
• \p{Script=Greek} -- греческий алфавит. И так далее.

И отрицаемые версии \P{L}, \P{N}, \u2026

Разница с \w и \d

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

Для надежного синтаксического анализа итальянского текста предпочитайте \p{L} вместо \w: citta', perche', andro' правильно соответствуют словам.

Свойства Unicode и совместимость браузеров

Свойства Юникода, такие как \\p{L} (буквы) или \\p{Script=Latin}, расширяют классы до международных алфавитов. В JavaScript строго требуется флаг u (или v), иначе движок выдаст синтаксическую ошибку.

Попробуйте это

Обзор упражнения

Дополнительная задача