西裏爾字母表的正則表達式

Question

我有一個jQuery函數用於在textarea字段中進行字詞計數。此外，它不包括所有在[[[tripple bracket]]]中關閉的單詞。它用拉丁字符很好用，但它有西里爾文句子的問題。我想，誤差部分與正則表達式：

$(field).val().replace(/\[\[\[[^\]]*\]\]\]/g, '').match(/\b/g); 

例既親切短語： http://jsfiddle.net/A3cEG/2/

我需要計算所有文字，包括cirillic表達，不僅在拉丁詞。怎麼做？

Answer 1

JavaScript（至少是最廣泛使用的版本）並不完全支持Unicode。也就是說，\w只匹配拉丁字母，十進制數字和下劃線（[a-zA-Z0-9_]），而\b匹配單詞字符和非單詞字符之間的邊界。

要查找使用拉丁文或西裏爾字母的輸入字符串的所有的話，你就必須做這樣的事情：

.match(/[\wа-я]+/ig); // where а is the Cyrillic а. 

或者如果你喜歡：

.match(/[\w\u0430-\u044f]+/ig); 

當然，這將在可能意味着你需要稍微調整一下你的代碼，因爲在這裏它將匹配所有單詞而不是單詞邊界。請注意，[а-я]與here中描述的「基本西裏爾字母」中的任何字母匹配。要匹配此範圍之外的字母，可以根據需要修改字符集以包含這些字母，例如也匹配俄羅斯Ё/ё，使用[а-яё]。

另外請注意，您的三架模式可以簡化爲：

.replace(/\[{3}[^]]*]{3}/g, '') 

或者，你可能想看看XRegExp項目，這是一個開源項目，以新的功能添加到基JavaScript正則表達式引擎 - 及其Unicode插件。