regex 获取字符串中的中文标点符号

lnxxn5zx 于 2023-04-22 发布在其他

关注(0)|答案(1)|浏览(415)

答案就在

我已经接近我需要的东西了：获取字符串中的所有中文标点符号。
Intl.Segmenter比String.prototype.split(" ")好得多
但有一个问题/\p{P}/u.test(segment.segment)测试所有的标点符号，而不仅仅是中文标点符号，所以我得到了英语标点符号，如撇号，逗号，问号和句号。
我希望我不需要解析到Chinese punctuation Unicode range?中的答案。它太复杂了。根据这个关于Chinese punctuation的维基，只有大约20个。
有什么简单的方法吗？

const str = "你好，让我们试试这个分词效果，你说怎么样？Let's try Intl.Segmenter, should we ?"
let segmenterZH = new Intl.Segmenter('zh', { granularity: 'grapheme' })
let segments = segmenterZH.segment(str)
for (let segment of segments) {
  if (/\p{P}/u.test(segment.segment)) {
    console.log(`${segment.index}:${segment.segment}`)
  }
}

regex

来源：https://stackoverflow.com/questions/76070986/get-chinese-punctuation-in-a-string

1条答案

按热度按时间

mwecs4sa1#

如果您想匹配属于CJK Symbols and Punctuation集或Halfwidth and Fullwidth Forms字符集的 punctuation proper，可以使用

/\p{P}(?<=[\u3000-\u303F\uFF00-\uFFEF])/u

何处

\p{P}-匹配任何标点符号字符（即它不匹配数学符号，如+或=等）
(?<=[\u3000-\u303F\uFF00-\uFFEF])-一个正向后查找，要求\p{P}匹配的字符在\u3000-\u303F（CJK符号和标点符号）或\uFF00-\uFFEF（半角和全角形式）范围内。

请看下面的JavaScript演示：

const str = "你好，让我们试试这个分词效果，你说怎么样？Let's try Intl.Segmenter, should we ?"
let segmenterZH = new Intl.Segmenter('zh', { granularity: 'grapheme' })
let segments = segmenterZH.segment(str)
for (let segment of segments) {
  if (/\p{P}(?<=[\u3000-\u303F\uFF00-\uFFEF])/u.test(segment.segment)) {
    console.log(`${segment.index}:${segment.segment}`)
  }
}

输出：

2:，
14:，
20:？

赞(0）回复(0）举报 2023-04-22

我来回答

regex 获取字符串中的中文标点符号

1条答案

相关问题

热门标签

最新问答