ES9(五) —— Unicode Property Escapes

时间:2021-1-8 作者:admin

目录

  • Unicode Property
  • Unicode Script
  • Unicode Block
  • ES6-ES10学习版图

了解这个新的知识点,需要对文本的编码非常熟悉,不然意识不到这个功能的意义。对于文本的编码需要了解两个概念:字符编码文件编码

  • 字符编码包括 ASCIIUnicode
  • 文件编码包括 UTF-8GBK等。

字符编码和文件编码的关系可以用一句话来概括:文件编码和字符编码没有关系,也就是说即使指定了文件编码,字符变也可以灵活选择而不受任何限制。

根据 Unicode 规范,每一个 Unicode 字符除了有唯一的码点,还具有其它属性:

  • Unicode Property
  • Unicode Script
  • Unicode Block

这些一般用在正则里面。

Unicode Property

它按照字符的功能对字符进行分类,一个字符只能属于一个 Unicode Property。也就是说 Property 并不关心字符所属的语言,只关心字符的功能。

可以将Unicode property 理解为字符组,将小写 p 改成大写,就是该字符组的排除型字符组。想想看 \d 匹配 0-9 这个字符组,而 \D 匹配 0-9 以外的字符组。

let input = 'abcdAeCd中国'
console.log(input.match(/\p{L}/ug))
// ["a", "b", "c", "d", "A", "e", "C", "d", "中", "国"]

这段代码的含义是在输入中匹配所有的字符(不限语言),这里使用的是 Unicode Property:{L},这个属性的含义是任何语言的任何字母。它有点等同于

let input = 'abcdAeCd中国'
console.log(input.match(/./sg))
  • {Ll} [任何具有大写字母的小写字母]

  • {N} [任何语言下的数字]

更多的 Unicode Property 请查阅 官网

Unicode Script

按照字符所属的书写系统来划分字符,它一般对应某种语言。比如 \p{Script=Greek} 表示希腊语,\p{Script=Han} 表示汉语。

匹配下列字符串中的中文

let input = `I'm chinese!我是中国人`
console.log(input.match(/\p{Script=Han}+/u))
// ["我是中国人", index: 12, input: "I'm chinese!我是中国人", groups: undefined]

如果不适用这个新功能点,在 ES9 之前大概只能这样做:

let input = `I'm chinese!我是中国人`
console.log(input.match(/[\u4e00-\u9fa5]+/))
// ["我是中国人", index: 12, input: "I'm chinese!我是中国人", groups: undefined]

虽然不同的写法看上去结果一样,然而时光飞逝,Unicode 在2017年6月发布了10.0.0版本。在这20年间,Unicode 添加了许多汉字。比如 Unicode 8.0 添加的 109 号化学元素「鿏(⿰⻐麦)」,其码点是 9FCF,不在这个正则表达式范围中。而如果我们期望程序里的/[\u4e00-\u9fa5]/可以与时俱进匹配最新的 Unicode 标准,显然是不现实的事情。现在只需要在 Unicode Scripts 找到对应的名称即可,而不需要自己去计算所有对应语言字符的的 Unicode 范围。

Unicode Block

Unicode 字符按照编码区间进行划分,所以每一个字符都只属于一个 Unicode Block,举例说明:

  • \p{InBasic_Latin}: U+0000–U+007F
  • \p{InLatin-1_Supplement}: U+0080–U+00FF
  • \p{InLatin_Extended-A}: U+0100–U+017F
  • \p{InLatin_Extended-B}: U+0180–U+024F

目前 JavaScript RegExp 还不支持 Unicode Block

ES6-ES10学习版图

声明:本文内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎进行举报,并提供相关证据,工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。