如何使用 Javascript 在泰米尔语 unicode 单词中获得正确的第一个字母？答案

【问题标题】：How to get correct first letter in a tamil unicode word using Javascript?如何使用 Javascript 在泰米尔语 unicode 单词中获得正确的第一个字母？
【发布时间】：2020-02-29 06:48:16
【问题描述】：

编辑 2：

const tamilRegex = XRegExp("\\p{Tamil}", "ug")
const match = XRegExp.exec(word, tamilRegex);
return match

现在，我发现 XRegExp 是一个可以处理 unicode 字符的库。上面的代码是我尝试使用该库的代码，但它仍然返回错误的值。

有什么帮助吗？！

编辑 1：

const word = "யாத்திராகமம்"
const firstLetter = word.match(/[^\w]/u)

console.log(firstLetter)

上面的代码返回ய，这不是该单词中正确的第一个泰米尔字母，而应该是யா。

有什么方法可以使用正则表达式或任何其他库来获取单词中正确的首字母？

【问题讨论】：

查找泰米尔语 unicode 中的字母列表，然后使用循环与它们进行比较。
word.match(/^p{L}/u)，查看这个库：xregexp.com
@James_22 是的，你是对的。但这将是重新发明轮子。我希望已经有解决方案了。如果没有，将与您的解决方案一起使用。感谢您的回复。
@Alex 我已经更新了我的问题。请你再检查一次。我尝试了 XRegExp 库，但我不知道如何为它正确编写正则表达式。你能帮忙吗？
其实问题是第一个字母是ய，不是யா。 யா是一个由辅音ய்和元音ஆ组成的音节：fr.wiktionary.org/wiki/%E0%AE%AF%E0%AE%BE

标签： javascript regex unicode tamil xregexp

【解决方案1】：

我不知道泰米尔语脚本，但Wikipedia 解释了该脚本中复合字母的概念。泰米尔语Unicode Block 有 U+0B80 到 U+0BFF 范围内的字符，其中子范围 U+0BBE-U+0BCD 和 U+0BD7 是后缀，需要与前面的辅音组合才能使其一个复合字母。

如果没有任何专门的库或更智能的正则表达式支持，您似乎可以使其与正则表达式 [\u0b80-\u0bff][\u0bbe-\u0bcd\u0bd7]? 一起使用，它匹配泰米尔语范围内的一个字符，此外可能还有这些后缀代码之一。

let s = "this is Tamil: யாத்திராகமம்";

console.log("First Tamil character: ", s.match(/[\u0b80-\u0bff][\u0bbe-\u0bcd\u0bd7]?/u));

【讨论】：

这对我有用！非常感谢您的回答。