javascript中的utf-8字边界正则表达式

Question

在 JavaScript 中：

"ab abc cab ab ab".replace(/\bab\b/g, "AB");

正确地给出了：

"AB abc cab AB AB"

当我使用 utf-8 字符时：

"αβ αβγ γαβ αβ αβ".replace(/\bαβ\b/g, "AB");

字边界运算符 似乎不起作用：

"αβ αβγ γαβ αβ αβ"

有解决方案吗？

Answer 1

仅当单词字符之前或之后没有另一个单词字符时，单词边界断言才匹配（因此 .\b. 等于 \W\w 且 \w\W）。 \w 定义为 [A-Za-z0-9_]。因此 \w 与希腊字符不匹配。因此在这种情况下不能使用 \b 。

你可以做的是使用这个：

"αβ αβγ γαβ αβ αβ".replace(/(^|\s)αβ(?=\s|$)/g, "$1AB")

Answer 2

并非所有 Javascript 正则表达式实现都支持 Unicode 广告，因此您需要转义它

"αβ αβγ γαβ αβ αβ".replace(/\u03b1\u03b2/g, "AB"); // "AB ABγ γAB AB AB"

要映射字符，您可以查看 http://htmlhelp.com/reference/html40/entities/symbols.html

当然，这对解决单词边界问题（如其他答案中所解释的）没有帮助，但应该在至少能让你正确匹配字符

Answer 3

我需要一些可以编程并处理标点符号、括号等的东西。

http://jsfiddle.net/AQvyd/

var wordToReplace = '買い手',
    replacementWord = '[[BUYER]]',
    text = 'Mange 買い手 information. The selected Store and Classification will be the default on the สั่งซื้อ.'

function replaceWord(text, wordToReplace, replacementWord) {
    var re = new RegExp('(^|\\s|\\(|\'|"|,|;)' + wordToReplace + '($|\\s|\\)|\\.|\'|"|!|,|;|\\?)', 'gi');
    return text.replace(re, replacementWord);
}

我编写了一个 javascript 资源编辑器，所以这就是我找到此页面并出于必要性回答它的原因，因为我找不到适用于 Unicode 的字边界参数化正则表达式。

Answer 4

并非所有与 Javascript 引擎相关的 RegEx 实现都支持 unicode。

例如，在 IE 中使用的 Microsoft JScript 仅限于 ANSI。

Answer 5

当您处理 Unicode 和自然语言单词时，您可能需要更加小心地处理边界，而不仅仅是使用 \b。请参阅此答案 了解详细信息和方向。