Javascript - 正则表达式 - 字边界 (\b) 问题

Question

我在正则表达式中使用 \b 和希腊字符时遇到了困难。

this example[a-zA-ZΆΈ-ώἀ-ῼ]* 成功标记了我想要的所有单词（希腊语和英语）。现在考虑我想找到有 2 个字母的单词。对于英语，我使用类似this: \b[a-zA-Z]{2}\b。你能帮我写一个成功用 2 个字母标记希腊语单词的正则表达式吗？ （为什么？我的最终目标是删除它们）。

使用的文字：

希腊单音： Τογάρούνκαιπαρ 'υμίνλεγόμενον，ώςποτεΦαέθωνΗλίουπαίςτοτουπατρόςάρμαζεύξαςδιατομήδυνατόςείναικατάτηντουπατρόςοδόνελαύνειντατ' επίτηςγήςξυνέκαυσεκαιαυτόςκεραυνωθείςδιεφθάρη，τούτομύθουμένσχήμαέχονλέγεται，το δέ αληθές εστι των περί γήν και κατ' ουρανόν ιόντων παράλλαξις και διά μακρόν χρόνον γιγνομένη των επί γής πυρί πολάνα φθορ.

希腊 POLYTONIC： Τὸγὰροὖνκαὶπαρ 'ὑμῖνλεγόμενον，ὥςποτεΦαέθωνἩλίουπαῖςτὸτοῦπατρὸςἅρμαζεύξαςδιὰτὸμὴδυνατὸςεἶναικατὰτὴντοῦπατρὸςὁδὸνἐλαύνειντὰτ' ἐπὶτῆςγῆςξυνέκαυσεκαὶαὐτὸςκεραυνωθεὶςδιεφθάρη，τοῦτομύθουμὲνσχῆμαἔχονλέγεται，τὸ ΔὲὲληθέςἐστιτῶνῶνῶνὶκὐὐνὸννὸνὐὐὐὐννπίαάνἰόννννςὸνὶὶὰὰιννὸνένόνῶνῶνῶνῶνὶῆςῶνῆςΠὶὶπολλῷφθορς。

英语： 因为事实上，在你们国家和我们国家都流传着这样一个故事，从前赫利俄斯的儿子法厄同如何驾驭他父亲的战车，因为他无法驾驶它沿着他父亲的路线行驶，因此被烧毁了地球上的一切，他自己都被一道霹雳摧毁了——这个故事，正如人们所说的那样，具有传奇色彩，但它的真实性在于发生在天空中移动的物体的移动环绕地球，并用猛烈的火焰摧毁地球上的事物，这种火焰会在很长一段时间内反复发生。

到目前为止我所做的尝试：

// 1
txt = txt.replace(/\b[a-zA-ZΆΈ-ώἀ-ῼ]{2}\b/g, '');

// 2
tokens = txt.split(/\s+/);
txt = tokens.filter(function(token){ return token.length > 2}).join(' ');

// 3
tokens = txt.split(' ');
txt = tokens.filter(function(token){ return token.length != 3}).join(' ') );

2 & 3 被建议到我的问题这里：Javascript - regex - how to remove words with specified length

编辑

另请阅读：

• Why can't I use accented characters next to a word boundary?
• Javascript + Unicode regexes

Answer 1

由于 Javascript 没有后视功能，并且单词边界仅适用于 \w 字符类的成员，因此唯一的方法是使用组（如果您想进行替换，还可以捕获组）：

(?m)(^|[^a-zA-ZΆΈ-ώἀ-ῼ\n])([a-zA-ZΆΈ-ώἀ-ῼ]{2})(?![a-zA-ZΆΈ-ώἀ-ῼ])

去除2个字母单词的例子：

txt = txt.replace(/(^|[^a-zA-ZΆΈ-ώἀ-ῼ\n])([a-zA-ZΆΈ-ώἀ-ῼ]{2})(?![a-zA-ZΆΈ-ώἀ-ῼ])/gm, '\1');

Answer 2

你可以使用 \S

与其为“单词字符加上这些字符”编写匹配，不如使用匹配非空格的正则表达式：

\S

范围更广，但编写/使用更简单。

如果这太宽泛 - 使用排他列表而不是包含列表：

[^\s\.]

也就是说 - 任何不是空格和不是点的字符。这样也很容易添加到异常中。

不要尝试使用\b

字边界don't work with none-ascii characters很容易演示：

> "yay".match(/\b.*\b/)
["yay"]
> "γaγ".match(/\b.*\b/)
["a"]

因此，无法使用\b 检测带有希腊字符的单词 - 每个字符都是一个匹配边界。

匹配 2 个字符的单词

以下模式可用于匹配两个字符词：

pattern = /(^|[\s\.,])(\S{2})(?=$|[\s\.,])/g;

（更准确地说：匹配两个非空白序列）。

即：

(^|[\s\.,]) - start of string or whitespace/punctuation (back reference 1)
(\S{2})     - two not-whitespace characters (back reference 2)
($|[\s\.,]) - end of string or whitespace/punctuation (positive lookahead)

可以像这样使用该模式来删除匹配的单词：

"input string".replace(pattern);

这是一个jsfiddle，展示了问题文本中使用的模式。

Answer 3

试试这样的：

\s[a-zA-ZΆΈ-ώἀ-ῼ]{2}\s