యూనికోడ్ ఆస్తి తప్పించుకుంటుంది

ASCIIలోని \w, \d, \s తరగతులు ఇటాలియన్, ఫ్రెంచ్, గ్రీక్ భాషలకు సరిపోవు లేదా ఎమోజి టెక్స్ట్. ఆధునిక జావాస్క్రిప్ట్ (u ఫ్లాగ్ -- యూనికోడ్‌తో) ఆఫర్‌లు ఆస్తి తప్పించుకుంటుంది \p{...}: యూనికోడ్ ఆధారంగా అర్థ తరగతులు పాత్రల లక్షణాలు.

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

\p{L} = "ఏదైనా అక్షరం (యూనికోడ్)": ఉచ్చారణ అక్షరాలు, చైనీస్ ఉన్నాయి ఐడియోగ్రామ్‌లు, సిరిలిక్, గ్రీక్\u2026 ప్రతిదీ. అత్యంత సాధారణమైనవి:

• \p{L} -- అక్షరం (ఏదైనా వర్ణమాల).
• \p{N} -- సంఖ్య (అరబిక్ అంకెలు, రోమన్, ఇండియన్\u2026).
• \p{P} -- విరామ చిహ్నాలు.
• \p{S} -- చిహ్నం (గణితం, కరెన్సీ, ఎమోజి\u2026).
• \p{Z} -- స్పేస్/సెపరేటర్.
• \p{Script=Latin} -- ప్రత్యేకంగా లాటిన్ వర్ణమాల.
• \p{Script=Greek} -- గ్రీక్ వర్ణమాల. మరియు అందువలన న.

మరియు నిరాకరణ సంస్కరణలు \P{L}, \P{N}, \u2026

\w మరియు \dతో వ్యత్యాసం

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

ఇటాలియన్ టెక్స్ట్ యొక్క బలమైన పార్సర్ కోసం, \w కంటే \p{L}కి ప్రాధాన్యత ఇవ్వండి: citta', perche', andro' పదాలుగా సరిగ్గా సరిపోలాయి.

యూనికోడ్ లక్షణాలు మరియు బ్రౌజర్ అనుకూలత

\\p{L} (అక్షరాలు) లేదా \\p{Script=Latin} వంటి యూనికోడ్ లక్షణాలు అంతర్జాతీయ వర్ణమాలలకు తరగతులను విస్తరించాయి. జావాస్క్రిప్ట్‌లో, వారికి ఖచ్చితంగా u (లేదా v) ఫ్లాగ్ అవసరం, లేకపోతే ఇంజిన్ సింటాక్స్ లోపాన్ని విసురుతుంది.

దీనిని ప్రయత్నించండి

వ్యాయామం సమీక్షించండి

అదనపు సవాలు