Екранування властивості Unicode

Класів \w, \d, \s в ASCII недостатньо для італійської, французької, грецької або текст емодзі. Сучасний JavaScript (з прапором u -- Unicode) пропонує екранування властивостей \p{...}: семантичні класи на основі Unicode властивості персонажів.

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

\p{L} = "будь-яка літера (Юнікод)": включає літери з акцентами, китайська ідеограми, кирилиця, грецьке\u2026 все. Найпоширеніші:

• \p{L} -- літера (будь-якого алфавіту).
• \p{N} -- номер (арабські цифри, римські, індійські\u2026).
• \p{P} -- пунктуація.
• \p{S} -- символ (математичний, валютний, емодзі\u2026).
• \p{Z} -- пробіл/роздільник.
• \p{Script=Latin} -- зокрема латинський алфавіт.
• \p{Script=Greek} -- грецький алфавіт. І так далі.

І заперечені версії \P{L}, \P{N}, \u2026

Різниця з \w і \d

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

Для надійного аналізатора італійського тексту віддавайте перевагу \p{L} над \w: citta', perche', andro' правильно збігаються як слова.

Властивості Unicode та сумісність із браузером

Такі властивості Юнікоду, як \\p{L} (літери) або \\p{Script=Latin}, розширюють класи для міжнародних алфавітів. У JavaScript вони суворо вимагають прапорця u (або v), інакше механізм видає синтаксичну помилку.

Спробуйте

Повторна вправа

Додатковий виклик