JavaScript正则表达式+Unicode重音组合字符

Question

我希望能够在非洲约鲁巴语中匹配到这个字符 'ẹ́'。通常，这是由一个带有 '\u0323' 下方点的变音符号 'é' 组合而成的。我发现：

'é\u0323'.match(/[é]\u0323/) works but
'ẹ́'.match(/[é]\u0323/) does not work.

我不只是想匹配'e'，我想匹配所有的组合。目前，我的解决方案涉及枚举所有可能的组合，像这样：/[ÁÀĀÉÈĒẸE̩Ẹ́É̩Ẹ̀È̩Ẹ̄Ē̩ÍÌĪÓÒŌỌO̩Ọ́Ó̩Ọ̀Ò̩Ọ̄Ō̩ÚÙŪṢS̩áàāéèēẹe̩ẹ́é̩ẹ̀è̩ẹ̄ē̩íìīóòōọo̩ọ́ó̩ọ̀ò̩ọ̄ō̩úùūṣs̩]/。

有没有更简洁、更好的方法来实现这一点呢？或者 JavaScript 中正则表达式匹配 Unicode 音标字符组合不能这么容易吗？

谢谢。

- user2530580

---

如果我必须诚实地说，我宁愿阅读和维护那个短的字符串，而不是解密和理解可能更聪明的正则表达式中的\uxxxx部分。使用查找表始终比先计算字符更快。如果正则表达式失败，一个可能的方法是将字符渲染在一个span中，然后进行比较。 - mplungjan

这是一个好观点。也许现在的方法更好。 - user2530580

我最终选择了\uxxxx部分，因为在vim中进行编辑时，当存在不同流方向的变宽Unicode点并以相当奇妙的方式影响光标位置时，这样做更有意义：光标位置基本上变成了随机变量。 - user2530580

Answer 1

通常的解决方法是使用Unicode属性和/或脚本, 但JavaScript不支持它们。但有一个名为XRegExp的库可以添加此支持。使用此库，您可以使用以下内容：\p{L}：匹配任何语言的任何字母。\p{M}：用于与另一个字符组合的字符（例如重音符号、umlauts、包围框等）。因此，您的字符类将如下所示：

[\p{L}\p{M}]+

如果要匹配Unicode表中的所有可能字母，您可以使用以下代码：\p{L}

如果您想限制匹配范围，您可以查看Unicode脚本，并将\p{L}替换为脚本，它们会收集某些语言的所有字母。例如，\p{Latin}表示所有拉丁字母或\p{Cyrillic}表示所有西里尔字母。

- stema

---

自从Edge 13和Node 8.6以来，u标志在所有流行的浏览器中都可以使用。 - undefined

Answer 2

通常这是通过将“é”与带有下方点的“\u0323”组合而成。

然而，这不是你在这里看到的。

'ẹ́'

那不是U+0065,U+0323，而是U+1EB9,U+0301——将ẹ与锐音变音符组合在一起。

通常的解决方案是在比较之前对每个字符串进行规范化（通常是Unicode正规式C）。

我不仅想匹配e。我想匹配所有的组合。

通常情况下，没有变音符号的匹配是通过规范化为正规式D并删除所有组合变音符号来完成的。

不幸的是，在JS中没有规范化，因此如果您需要它，您必须拖入代码来执行它，其中必须包括大量的Unicode数据表。这样的努力是unorm。要基于Unicode属性（如组合变音符号）挑选字符，您还需要具有对Unicode数据库支持的regexp引擎，例如XRegExp Unicode Categories。

服务器端语言（例如Python、.NET）通常具有本地支持Unicode规范化，因此如果可以在服务器上处理，那么通常会更容易。

- bobince

---

这解释清楚了。谢谢。 - user2530580

Bobince，如果你有时间的话，可以更新一下，让它引用ES6的.normalize。 - Sergio