无法使用JavaScript替换特殊字符组合

Question

我想从段落中删除所有在字符“ا”之后的‍。我使用以下方法，但控制台显示找不到此组合。请注意，这是波斯语单词，“ا”字符紧随‍之后，因为字符是从右向左书写的，而在字符“ا”之前的尾部证明它们连接在一起。

$(document).ready(function(){
   var htm=$("div").html();
   var shouldRemove="‍ا";
   if (htm.includes(shouldRemove)){
       console.log('found');
   }
   else{
       console.log('not found');
   }
})

body{font-size:26pt}

<script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.3.1/jquery.min.js"></script>
<div>&zwj;احترام</div>

- Ali Sheikhpour

Answer 1

一种方法是将‍ا转换为文本，使用下面的方法获取

的文本而不是其html，然后比较这两个文本：

$(document).ready(function(){
   // get the text
   var div_txt = $("div").text();
   var shouldRemove = "‍ا";
   // put it as html in a span, then get it as text
   var rem_txt = $("<span>").html(shouldRemove).text();
   if (div_txt.includes(rem_txt)) {
       console.log('found');
   } else {
       console.log('not found');
   }
})

body {
    font-size:26pt
}

<script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.3.1/jquery.min.js"></script>

<div>&zwj;احترام</div>

- DjaouadNM

Answer 2

不要在HTML中搜索实体‍，而是搜索字符本身(代码点+U200D)在div节点的文本值中(不是它的HTML):

console.log("Found?", $("div").text().includes("\u200Dا"));

<script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.3.1/jquery.min.js"></script>
<div>&zwj;احترام</div>

- trincot

Answer 3

问题在于，从DOM中读取HTML实体时，实体会被解析，因此字符序列‍会变成单个字符“零宽连接器”。

如果您在命令行上运行JavaScript，则您的方法将起作用。

$ node
> s = '<div>&zwj;احترام</div>'
'<div>&zwj;احترام</div>'
> s.includes("&zwj;ا")
true

即使在浏览器中直接使用JavaScript控制台，事情也会像您预期的那样正常工作：

那么，从DOM中读取有何不同（在您的情况下，使用jQuery）？为了看到发生了什么，请检查字符串中实际的字符：

$(document).ready(function(){
   var htm=$("div").text();
   console.log(Array.from(htm));
   console.log(Array.from("‍ا"));
})

<script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.3.1/jquery.min.js"></script>
<div>&zwj;احترام</div>

这个意思是：“这会给出：”

啊哈，所以jQuery正在解析HTML实体！因此，您想要搜索的文本应该具有JavaScript零宽连字符，而不是HTML。像这样指定它：

$(document).ready(function(){
   var htm=$("div").html();
   var shouldRemove="\u{200d}ا";
   if (htm.includes(shouldRemove)){
       console.log('found');
   }
   else{
       console.log('not found');
   }
})

body{font-size:26pt}

<script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.3.1/jquery.min.js"></script>
<div>&zwj;احترام</div>

现在它输出true。

所以RTL（文本方向）一切正常！事实证明这只是HTML实体解析的问题。 :)

- Ray Toal

---

小补充：这与jQuery无关。document.querySelector('div').innerText也会返回已经转换为字符串的实体。 - skyboyer

谢谢，是的，你说得完全正确。我并不是要责怪jQuery，但看起来确实是那样。我已经编辑了答案。感谢你指出这一点。 - Ray Toal

Answer 4

如果您在控制台记录您的htm变量，它将输出为：‍احترام，因此当您尝试使用“‍ا”搜索它时，它会输出为“未找到”。请尝试以下方法：

$(document).ready(function(){
   var htm=$("div").html();
   var shouldRemove="ا";
   if (htm.includes(shouldRemove)){
       console.log('found');
   }
   else{
       console.log('not found');
   }
})

body{font-size:26pt}

<script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.3.1/jquery.min.js"></script>
<div>&zwj;احترام</div>

- Lalith Katta