जावास्क्रिप्ट + यूनिकोड रीगेक्स

216

मैं जावास्क्रिप्ट में यूनिकोड-जागरूक नियमित अभिव्यक्ति का उपयोग कैसे कर सकता हूं?

उदाहरण के लिए, कुछ ऐसा होना चाहिए \wजो लेटर्स या मार्क्स श्रेणी (न कि केवल ASCII वाले) में किसी भी कोड-पॉइंट से मेल खा सके, और उम्मीद है कि विराम चिह्नों के लिए [[P *]] जैसे फ़िल्टर हों।

— पीटर मोर्टेंसन
स्रोत

इसमें नियमित अभिव्यक्ति समर्थन शामिल नहीं है लेकिन यूनिकोड से संबंधित कार्यों के लिए उपयोगी है github.com/joelarson4/CharFunk

— jwl

196

ES 6 के लिए स्थिति

आगामी ECMAScript भाषा विनिर्देश, संस्करण 6 में यूनिकोड-जागरूक नियमित अभिव्यक्ति शामिल हैं। uरेगेक्स पर संशोधक के साथ समर्थन सक्षम होना चाहिए । ईएस 6 में यूनिकोड-जागरूक नियमित अभिव्यक्ति देखें ।

जब तक ES 6 समाप्त नहीं हो जाता और व्यापक रूप से ब्राउज़र विक्रेताओं के बीच अपनाया जाता है, तब भी आप अपने दम पर होते हैं, हालांकि। अद्यतन: अब एक ट्रांसजेंडर है जिसका नाम रेग्क्सपु है जो ईएस 6 यूनिकोड के नियमित भावों को समकक्ष ईएस 5 में तब्दील करता है। इसका उपयोग आपकी निर्माण प्रक्रिया के हिस्से के रूप में किया जा सकता है। इसे ऑनलाइन आज़माएं।

ES 5 और उससे नीचे की स्थिति

भले ही जावास्क्रिप्ट यूनिकोड स्ट्रिंग्स पर काम करता है, लेकिन यह यूनिकोड-जागरूक चरित्र वर्गों को लागू नहीं करता है और इसमें पोसिक्स चरित्र वर्ग या यूनिकोड ब्लॉक / सब-रेंज की कोई अवधारणा नहीं है।

जावास्क्रिप्ट नियमित अभिव्यक्ति में यूनिकोड के साथ मुद्दे
यहां अपनी अपेक्षाओं की जांच करें: जावास्क्रिप्ट RegExp यूनिकोड चरित्र वर्ग परीक्षक ( संपादित करें: मूल पृष्ठ नीचे है, इंटरनेट आर्काइव में अभी भी एक प्रति है ।)
फ्लैगेंट बदासरी में जावास्क्रिप्ट, रेगेक्स और यूनिकोड पर एक लेख है जो इस मामले पर कुछ प्रकाश डालता है।
इसके अलावा रेगेक्स और यूनिकोड को एसओ पर यहां पढ़ें । संभवतः आपको अपना "विराम चिह्न वर्ण वर्ग" बनाना होगा।
की जाँच करें नियमित अभिव्यक्ति: मिलान यूनिकोड ब्लॉक रेंज बिल्डर, आप एक जावास्क्रिप्ट नियमित अभिव्यक्ति का निर्माण करने देता है जो कि मैचों अक्षर हैं जो निर्दिष्ट यूनिकोड ब्लॉक के किसी भी संख्या में आते हैं।

मैंने इसे "सामान्य विराम चिह्न" और "पूरक विराम चिह्न" उप-श्रेणियों के लिए किया था, और इसका परिणाम उतना ही सरल और सीधा है जितना मैंने इसकी उम्मीद की थी:
```
 [\u2000-\u206F\u2E00-\u2E7F]
```
एक्सगेरेप भी एक परियोजना है, जो विस्तारित क्षमताओं के साथ वैकल्पिक रेगेक्स इंजन की पेशकश करके यूनिकोड समर्थन को जावास्क्रिप्ट में लाती है।
और निश्चित रूप से, आवश्यक पढ़ने: mathiasbynens.be - जावास्क्रिप्ट में एक यूनिकोड समस्या है :

— Tomalak
स्रोत

4

यह अंतिम उपकरण ब्लॉकों के लिए बहुत अच्छा है, लेकिन जब आप चाहते हैं तो बहुत से ब्लॉक (अक्षरों या संख्याओं) के माध्यम से बिखरे हुए चरित्र प्रकार हैं। देखें इस इस मामले के लिए एक समान दृष्टिकोण के लिए।

— mgibsonbr

1

6to5 और ट्रेसुर भी ध्वज के साथ- साथ यूनिकोड के साथ काम करने के लिए कुछ अन्य ES6 सुविधाओं का समर्थन करते हैं । u

— बेकार कोड

2

@UselessCode हाँ, कोलाहल और ट्रेसुर उन नियमित अभिव्यक्तियों को प्रसारित करने के लिए एक निर्भरता के रूप में regexpu का उपयोग uकरते हैं।

— मथियास बिएनेंस

1

यदि आपको यूनिकोड वर्ण वर्गों जैसे \ pL और पुराने ब्राउज़रों के समर्थन की आवश्यकता है, तो XRegExp लाइब्रेरी (मालिकाना ए झंडा देखें) निश्चित रूप से एक चिकनी समाधान है। धन्यवाद!

— बर्निनलियो

1

दुर्भाग्यवश ऑनलाइन ट्रांसपिलर ने मेरे लिए चीनी चरित्र वाले \ w का उपयोग करके काम नहीं किया। ट्रांसपाइल करने की कोशिश की गई "a品cd!e f".replace(/[^\w]/ug, "")लेकिन परिणामी रीगेक्स (क्रोम 59 में रन) अभी भी 品चरित्र को हटाता है और केवल रिटर्न करता है"acdef"

— mwag

53

व्यक्तिगत रूप से, मैं केवल इस कार्यक्षमता को प्राप्त करने के लिए एक और पुस्तकालय स्थापित नहीं करूंगा। मेरे जवाब के लिए किसी बाहरी पुस्तकालयों की आवश्यकता नहीं है, और यह जावास्क्रिप्ट के अलावा रेगेक्स जायके के लिए थोड़ा संशोधन के साथ भी काम कर सकता है।

यूनिकोड की वेबसाइट यूनिकोड श्रेणियों को कोड बिंदुओं के समूह में अनुवाद करने का एक तरीका प्रदान करती है। चूंकि यह यूनिकोड की वेबसाइट है, इसलिए इसकी जानकारी सटीक होनी चाहिए।

ध्यान दें कि आपको उच्च-अंत वर्णों को बाहर करने की आवश्यकता होगी, क्योंकि जावास्क्रिप्ट केवल FFFF(हेक्स) से कम वर्णों को संभाल सकती है । मेरा सुझाव है कि संक्षिप्त कोलाज, और एस्केप चेक बॉक्स की जाँच करें, जो कि अनपेक्षित वर्णों से बचने और रेगेक्स के आकार को कम करने के बीच संतुलन बनाते हैं।

यहां विभिन्न यूनिकोड गुणों के कुछ सामान्य विस्तार दिए गए हैं:

\p{L} (पत्र):

[A-Za-z\u00AA\u00B5\u00BA\u00C0-\u00D6\u00D8-\u00F6\u00F8-\u02C1\u02C6-\u02D1\u02E0-\u02E4\u02EC\u02EE\u0370-\u0374\u0376\u0377\u037A-\u037D\u037F\u0386\u0388-\u038A\u038C\u038E-\u03A1\u03A3-\u03F5\u03F7-\u0481\u048A-\u052F\u0531-\u0556\u0559\u0561-\u0587\u05D0-\u05EA\u05F0-\u05F2\u0620-\u064A\u066E\u066F\u0671-\u06D3\u06D5\u06E5\u06E6\u06EE\u06EF\u06FA-\u06FC\u06FF\u0710\u0712-\u072F\u074D-\u07A5\u07B1\u07CA-\u07EA\u07F4\u07F5\u07FA\u0800-\u0815\u081A\u0824\u0828\u0840-\u0858\u08A0-\u08B4\u0904-\u0939\u093D\u0950\u0958-\u0961\u0971-\u0980\u0985-\u098C\u098F\u0990\u0993-\u09A8\u09AA-\u09B0\u09B2\u09B6-\u09B9\u09BD\u09CE\u09DC\u09DD\u09DF-\u09E1\u09F0\u09F1\u0A05-\u0A0A\u0A0F\u0A10\u0A13-\u0A28\u0A2A-\u0A30\u0A32\u0A33\u0A35\u0A36\u0A38\u0A39\u0A59-\u0A5C\u0A5E\u0A72-\u0A74\u0A85-\u0A8D\u0A8F-\u0A91\u0A93-\u0AA8\u0AAA-\u0AB0\u0AB2\u0AB3\u0AB5-\u0AB9\u0ABD\u0AD0\u0AE0\u0AE1\u0AF9\u0B05-\u0B0C\u0B0F\u0B10\u0B13-\u0B28\u0B2A-\u0B30\u0B32\u0B33\u0B35-\u0B39\u0B3D\u0B5C\u0B5D\u0B5F-\u0B61\u0B71\u0B83\u0B85-\u0B8A\u0B8E-\u0B90\u0B92-\u0B95\u0B99\u0B9A\u0B9C\u0B9E\u0B9F\u0BA3\u0BA4\u0BA8-\u0BAA\u0BAE-\u0BB9\u0BD0\u0C05-\u0C0C\u0C0E-\u0C10\u0C12-\u0C28\u0C2A-\u0C39\u0C3D\u0C58-\u0C5A\u0C60\u0C61\u0C85-\u0C8C\u0C8E-\u0C90\u0C92-\u0CA8\u0CAA-\u0CB3\u0CB5-\u0CB9\u0CBD\u0CDE\u0CE0\u0CE1\u0CF1\u0CF2\u0D05-\u0D0C\u0D0E-\u0D10\u0D12-\u0D3A\u0D3D\u0D4E\u0D5F-\u0D61\u0D7A-\u0D7F\u0D85-\u0D96\u0D9A-\u0DB1\u0DB3-\u0DBB\u0DBD\u0DC0-\u0DC6\u0E01-\u0E30\u0E32\u0E33\u0E40-\u0E46\u0E81\u0E82\u0E84\u0E87\u0E88\u0E8A\u0E8D\u0E94-\u0E97\u0E99-\u0E9F\u0EA1-\u0EA3\u0EA5\u0EA7\u0EAA\u0EAB\u0EAD-\u0EB0\u0EB2\u0EB3\u0EBD\u0EC0-\u0EC4\u0EC6\u0EDC-\u0EDF\u0F00\u0F40-\u0F47\u0F49-\u0F6C\u0F88-\u0F8C\u1000-\u102A\u103F\u1050-\u1055\u105A-\u105D\u1061\u1065\u1066\u106E-\u1070\u1075-\u1081\u108E\u10A0-\u10C5\u10C7\u10CD\u10D0-\u10FA\u10FC-\u1248\u124A-\u124D\u1250-\u1256\u1258\u125A-\u125D\u1260-\u1288\u128A-\u128D\u1290-\u12B0\u12B2-\u12B5\u12B8-\u12BE\u12C0\u12C2-\u12C5\u12C8-\u12D6\u12D8-\u1310\u1312-\u1315\u1318-\u135A\u1380-\u138F\u13A0-\u13F5\u13F8-\u13FD\u1401-\u166C\u166F-\u167F\u1681-\u169A\u16A0-\u16EA\u16F1-\u16F8\u1700-\u170C\u170E-\u1711\u1720-\u1731\u1740-\u1751\u1760-\u176C\u176E-\u1770\u1780-\u17B3\u17D7\u17DC\u1820-\u1877\u1880-\u18A8\u18AA\u18B0-\u18F5\u1900-\u191E\u1950-\u196D\u1970-\u1974\u1980-\u19AB\u19B0-\u19C9\u1A00-\u1A16\u1A20-\u1A54\u1AA7\u1B05-\u1B33\u1B45-\u1B4B\u1B83-\u1BA0\u1BAE\u1BAF\u1BBA-\u1BE5\u1C00-\u1C23\u1C4D-\u1C4F\u1C5A-\u1C7D\u1CE9-\u1CEC\u1CEE-\u1CF1\u1CF5\u1CF6\u1D00-\u1DBF\u1E00-\u1F15\u1F18-\u1F1D\u1F20-\u1F45\u1F48-\u1F4D\u1F50-\u1F57\u1F59\u1F5B\u1F5D\u1F5F-\u1F7D\u1F80-\u1FB4\u1FB6-\u1FBC\u1FBE\u1FC2-\u1FC4\u1FC6-\u1FCC\u1FD0-\u1FD3\u1FD6-\u1FDB\u1FE0-\u1FEC\u1FF2-\u1FF4\u1FF6-\u1FFC\u2071\u207F\u2090-\u209C\u2102\u2107\u210A-\u2113\u2115\u2119-\u211D\u2124\u2126\u2128\u212A-\u212D\u212F-\u2139\u213C-\u213F\u2145-\u2149\u214E\u2183\u2184\u2C00-\u2C2E\u2C30-\u2C5E\u2C60-\u2CE4\u2CEB-\u2CEE\u2CF2\u2CF3\u2D00-\u2D25\u2D27\u2D2D\u2D30-\u2D67\u2D6F\u2D80-\u2D96\u2DA0-\u2DA6\u2DA8-\u2DAE\u2DB0-\u2DB6\u2DB8-\u2DBE\u2DC0-\u2DC6\u2DC8-\u2DCE\u2DD0-\u2DD6\u2DD8-\u2DDE\u2E2F\u3005\u3006\u3031-\u3035\u303B\u303C\u3041-\u3096\u309D-\u309F\u30A1-\u30FA\u30FC-\u30FF\u3105-\u312D\u3131-\u318E\u31A0-\u31BA\u31F0-\u31FF\u3400-\u4DB5\u4E00-\u9FD5\uA000-\uA48C\uA4D0-\uA4FD\uA500-\uA60C\uA610-\uA61F\uA62A\uA62B\uA640-\uA66E\uA67F-\uA69D\uA6A0-\uA6E5\uA717-\uA71F\uA722-\uA788\uA78B-\uA7AD\uA7B0-\uA7B7\uA7F7-\uA801\uA803-\uA805\uA807-\uA80A\uA80C-\uA822\uA840-\uA873\uA882-\uA8B3\uA8F2-\uA8F7\uA8FB\uA8FD\uA90A-\uA925\uA930-\uA946\uA960-\uA97C\uA984-\uA9B2\uA9CF\uA9E0-\uA9E4\uA9E6-\uA9EF\uA9FA-\uA9FE\uAA00-\uAA28\uAA40-\uAA42\uAA44-\uAA4B\uAA60-\uAA76\uAA7A\uAA7E-\uAAAF\uAAB1\uAAB5\uAAB6\uAAB9-\uAABD\uAAC0\uAAC2\uAADB-\uAADD\uAAE0-\uAAEA\uAAF2-\uAAF4\uAB01-\uAB06\uAB09-\uAB0E\uAB11-\uAB16\uAB20-\uAB26\uAB28-\uAB2E\uAB30-\uAB5A\uAB5C-\uAB65\uAB70-\uABE2\uAC00-\uD7A3\uD7B0-\uD7C6\uD7CB-\uD7FB\uF900-\uFA6D\uFA70-\uFAD9\uFB00-\uFB06\uFB13-\uFB17\uFB1D\uFB1F-\uFB28\uFB2A-\uFB36\uFB38-\uFB3C\uFB3E\uFB40\uFB41\uFB43\uFB44\uFB46-\uFBB1\uFBD3-\uFD3D\uFD50-\uFD8F\uFD92-\uFDC7\uFDF0-\uFDFB\uFE70-\uFE74\uFE76-\uFEFC\uFF21-\uFF3A\uFF41-\uFF5A\uFF66-\uFFBE\uFFC2-\uFFC7\uFFCA-\uFFCF\uFFD2-\uFFD7\uFFDA-\uFFDC]

\p{Nd} (संख्या दशमलव अंक):

[0-9\u0660-\u0669\u06F0-\u06F9\u07C0-\u07C9\u0966-\u096F\u09E6-\u09EF\u0A66-\u0A6F\u0AE6-\u0AEF\u0B66-\u0B6F\u0BE6-\u0BEF\u0C66-\u0C6F\u0CE6-\u0CEF\u0D66-\u0D6F\u0DE6-\u0DEF\u0E50-\u0E59\u0ED0-\u0ED9\u0F20-\u0F29\u1040-\u1049\u1090-\u1099\u17E0-\u17E9\u1810-\u1819\u1946-\u194F\u19D0-\u19D9\u1A80-\u1A89\u1A90-\u1A99\u1B50-\u1B59\u1BB0-\u1BB9\u1C40-\u1C49\u1C50-\u1C59\uA620-\uA629\uA8D0-\uA8D9\uA900-\uA909\uA9D0-\uA9D9\uA9F0-\uA9F9\uAA50-\uAA59\uABF0-\uABF9\uFF10-\uFF19]

\p{P} (विराम चिह्न):

[!-#%-*,-/\:;?@\[-\]_\{\}\u00A1\u00A7\u00AB\u00B6\u00B7\u00BB\u00BF\u037E\u0387\u055A-\u055F\u0589\u058A\u05BE\u05C0\u05C3\u05C6\u05F3\u05F4\u0609\u060A\u060C\u060D\u061B\u061E\u061F\u066A-\u066D\u06D4\u0700-\u070D\u07F7-\u07F9\u0830-\u083E\u085E\u0964\u0965\u0970\u0AF0\u0DF4\u0E4F\u0E5A\u0E5B\u0F04-\u0F12\u0F14\u0F3A-\u0F3D\u0F85\u0FD0-\u0FD4\u0FD9\u0FDA\u104A-\u104F\u10FB\u1360-\u1368\u1400\u166D\u166E\u169B\u169C\u16EB-\u16ED\u1735\u1736\u17D4-\u17D6\u17D8-\u17DA\u1800-\u180A\u1944\u1945\u1A1E\u1A1F\u1AA0-\u1AA6\u1AA8-\u1AAD\u1B5A-\u1B60\u1BFC-\u1BFF\u1C3B-\u1C3F\u1C7E\u1C7F\u1CC0-\u1CC7\u1CD3\u2010-\u2027\u2030-\u2043\u2045-\u2051\u2053-\u205E\u207D\u207E\u208D\u208E\u2308-\u230B\u2329\u232A\u2768-\u2775\u27C5\u27C6\u27E6-\u27EF\u2983-\u2998\u29D8-\u29DB\u29FC\u29FD\u2CF9-\u2CFC\u2CFE\u2CFF\u2D70\u2E00-\u2E2E\u2E30-\u2E42\u3001-\u3003\u3008-\u3011\u3014-\u301F\u3030\u303D\u30A0\u30FB\uA4FE\uA4FF\uA60D-\uA60F\uA673\uA67E\uA6F2-\uA6F7\uA874-\uA877\uA8CE\uA8CF\uA8F8-\uA8FA\uA8FC\uA92E\uA92F\uA95F\uA9C1-\uA9CD\uA9DE\uA9DF\uAA5C-\uAA5F\uAADE\uAADF\uAAF0\uAAF1\uABEB\uFD3E\uFD3F\uFE10-\uFE19\uFE30-\uFE52\uFE54-\uFE61\uFE63\uFE68\uFE6A\uFE6B\uFF01-\uFF03\uFF05-\uFF0A\uFF0C-\uFF0F\uFF1A\uFF1B\uFF1F\uFF20\uFF3B-\uFF3D\uFF3F\uFF5B\uFF5D\uFF5F-\uFF65]

यह पृष्ठ कई अस्पष्ट वर्ण वर्गों को भी पहचानता है, जैसे कि \p{Hira}, (जापानी) हीरागाना वर्ण:

[\u3041-\u3096\u309D-\u309F]

अन्त में, एक से अधिक यूनिकोड संपत्ति के साथ चार वर्ग को प्लग करना संभव है, ताकि आप उन्हें संयोजित करके (जब तक कि कुछ सेटिंग्स की जाँच कर लें) मिल जाए।

— लॉरेल
स्रोत

\p-साइंटैक्स जेएस में काम नहीं करता है, /\p{L}/.test('a')वह हैfalse

— दिमित्री जैतसेव

1

@DmitriZaitsev बेशक यह नहीं है। आपको "विस्तार" का उपयोग करने की आवश्यकता होगी जिसे मैंने नीचे सूचीबद्ध किया था।

— लॉरेल

क्षैतिज स्क्रॉलबार 1/100 लाइन के साथ "विस्तार"? इकाई परीक्षणों के साथ उत्पादन कोड में? ;)

— दिमित्री ज़ैतसेव

शायद आप अधिक स्पष्ट रूप से उल्लेख कर सकते हैं कि जेएस के साथ कौन से लोग काम करते हैं और जो स्पष्टता में सुधार करने के लिए नहीं करते हैं।

— दिमित्री जैतसेव

3

@DmitriZaitsev मुझे लगता है कि आप इस बिंदु को याद कर रहे हैं, वह जेएसई में काम करने वाले रेगेक्स का एक सेट प्रदान करता है। चूंकि वे मूल कार्यक्षमता के लिए क्या करना चाहिए (और करेंगे) के लिए प्रतिस्थापन कर रहे हैं, वे आवश्यक रूप से बहुत लंबे हैं। आप मूल कार्यक्षमता का परीक्षण कैसे करेंगे?

— हेहेजेजेसी

49

एक अच्छा समाधान भी नहीं मिला है, मैंने बहुत पहले एक छोटी स्क्रिप्ट लिखी थी, यूनिकोड विनिर्देशन (v.5.0.0) से डेटा डाउनलोड करके और बीएमपी में प्रत्येक यूनिकोड श्रेणी और उपश्रेणी के लिए अंतराल उत्पन्न करके (हाल ही में एक छोटे से प्रतिस्थापित किया गया था) जावा प्रोग्राम जो अपने स्वयं के देशी यूनिकोड समर्थन का उपयोग करता है)।

मूल रूप से यह \p{...}मानों की एक सीमा में परिवर्तित हो जाता है, बहुत कुछ टॉमालक द्वारा उल्लिखित उपकरण के आउटपुट की तरह , लेकिन अंतराल काफी बड़ा हो सकता है (क्योंकि यह ब्लॉकों से नहीं निपट रहा है, लेकिन कई अलग-अलग स्थानों से बिखरे हुए पात्रों के साथ)।

उदाहरण के लिए, इस तरह लिखा गया एक रेक्स:

var regex = unicode_hack(/\p{L}(\p{L}|\p{Nd})*/g);

कुछ इस तरह से परिवर्तित किया जाएगा:

/[\u0041-\u005a\u0061-\u007a...]([...]|[\u0030-\u0039\u0660-\u0669...])*/g

व्यवहार में इसका बहुत उपयोग नहीं किया है, लेकिन यह मेरे परीक्षणों से ठीक काम करने लगता है, इसलिए अगर कोई इसे उपयोगी पाता है तो मैं यहां पोस्ट कर रहा हूं। परिणामी रीगेक्स की लंबाई के बावजूद (ऊपर के उदाहरण में विस्तार होने पर 3591 वर्ण हैं), प्रदर्शन स्वीकार्य लगता है (देखें jsFiddle पर परीक्षण । सुधार के लिए @modiX और @Lwangaman के लिए धन्यवाद)।

यहां बताया गया है स्रोत (, कच्चे, 27.5KB न्यूनतम किया गया , 24.9KB, बहुत बेहतर नहीं ...)। यह हो सकता है यूनिकोड वर्ण न छोड़ने से छोटा बनाया जा सकता, लेकिन OTOH एन्कोडिंग मुद्दों के जोखिम को चला जाएगा, तो मैं के रूप में यह है जा रहा हूँ। उम्मीद है कि ES6 के साथ इस तरह की बात अब जरूरी नहीं होगी।

अद्यतन : यह उसी तरह दिखता है जैसे टिम डाउन द्वारा उल्लिखित XRegExp यूनिकोड प्लग-इन में अपनाई गई रणनीति , सिवाय इसके कि इस मामले में नियमित रूप से जावास्क्रिप्ट रेगेक्स का उपयोग किया जा रहा है।

— mgibsonbr
स्रोत

मैंने अपनी समस्या ( stackoverflow.com/questions/23391573/… ) को हल करने के लिए आपकी स्क्रिप्ट का उपयोग किया लेकिन आपकी यूनिकोड श्रेणियों में ताइवान, चीनी या जापानी वर्ण शामिल नहीं हैं। इसलिए /^\p{L}+$/मैच होना चाहिए 東海林लेकिन ऐसा नहीं है। जब भी आप संग्रह को अपडेट करें, कृपया मुझे सूचित करें। बहुत बहुत धन्यवाद।

— मार्टिन ब्रौन

2

ठीक है, यह सरल है। इस यूनिकोड तालिका का उपयोग करते हुए ताइवान, चीनी और जपगेंसे: rikai.com/library/kanjitables/kanji_codes.unicode.shtml जब आपको कटकाना तालिका मिली \p{Lo}, तो आपको इसमें दोनों कांजी टेबल याद हैं।

— मार्टिन ब्रौन

@modiX कि बाहर इशारा करने के लिए धन्यवाद! मैंने स्क्रिप्ट को अपडेट किया, इस बार सूची बनाने के लिए जावा का उपयोग करके - यूनिकोड फ़ाइलों से उन्हें स्क्रैप करने के बजाय। यदि संभव हो, तो मैं एसएमपी के लिए भी समर्थन जोड़ने की योजना बना रहा हूं।

— mgibsonbr

इसके लिए धन्यवाद। मट्ठा, यूनिकोड के पूरक बहुभाषी विमान की तलाश में बहुत कुछ है जिसे करने की आवश्यकता है, पता नहीं कि यह अभी तक शामिल नहीं है। कृपया मुझे अपने वर्तमान जावा प्रोग्राम (आउटपुट) में जोड़ते समय सूचित रखें।

— मार्टिन ब्रौन

1

मैंने इसे JSFiddle उदाहरण में जोड़ा है (और सही ढंग से प्रस्तुत करने के लिए उल और ली को मिला है): jsfiddle.net/Waxkc/49 आप यहां \ p {L &} संशोधक का संदर्भ पा सकते हैं: regular-exotions.info/unicode। html मैं इसे अपनी स्क्रिप्ट में हाल ही में कुछ गैर-यूरोपीय भाषाओं में अक्षरों की पहचान के लिए उपयोग कर रहा हूं जिनमें अपरकेस या लोअरकेस वेरिएंट नहीं हैं और मुझे उचित केस स्ट्रिंग (जो मैं इस स्क्रिप्ट में कर रहा हूं) करने की अनुमति नहीं दूंगा सभी तार जो यह किया जा सकता है)।

— JohnRDOrazio

31

जैसा कि अन्य उत्तरों में उल्लेख किया गया है, जावास्क्रिप्ट रेगीक्स के पास यूनिकोड चरित्र वर्गों के लिए कोई समर्थन नहीं है। हालांकि, एक पुस्तकालय है जो इसे प्रदान करता है: स्टीवन लेविथान का उत्कृष्ट एक्सगेज़एक्सपी और इसका यूनिकोड प्लग-इन ।

— टिम डाउन
स्रोत

4

हालांकि यह लिंक प्रश्न का उत्तर दे सकता है, लेकिन उत्तर के आवश्यक भागों को शामिल करना और संदर्भ के लिए लिंक प्रदान करना बेहतर है। लिंक-केवल उत्तर अमान्य हो सकते हैं यदि लिंक किए गए पृष्ठ बदल जाते हैं। - समीक्षा से

— mustaccio

3

@mustaccio: मैं असहमत हूं। यह उत्तर एक पुस्तकालय के उपयोग की सिफारिश करता है। अगर लाइब्रेरी चली जाती है तो एक जवाब जो लाइब्रेरी के डॉक्यूमेंटेशन के स्नैपशॉट को डुप्लिकेट करता है, वह उतना ही बेकार है जितना कि लाइब्रेरी से लिंक करना।

— टिम डाउन

21

[^\u0000-\u007F]+ किसी भी वर्ण के लिए जो ASCII वर्ण शामिल नहीं है।

उदाहरण के लिए:

function isNonLatinCharacters(s) {
    return /[^\u0000-\u007F]/.test(s);
}

console.log(isNonLatinCharacters("身分"));// Japanese
console.log(isNonLatinCharacters("测试"));// Chinese
console.log(isNonLatinCharacters("حمید"));// Persian
console.log(isNonLatinCharacters("테스트"));// Korean
console.log(isNonLatinCharacters("परीक्षण"));// Hindi
console.log(isNonLatinCharacters("מִבְחָן"));// Hebrew

स्निपेट का विस्तार करें

यहाँ कुछ सही संदर्भ हैं:

यूनिकोड रेंज RegExp जनरेटर

यूनिकोड नियमित अभिव्यक्तियाँ

यूनिकोड 10.0 चरित्र कोड चार्ट

मैच यूनिकोड ब्लॉक रेंज

— हामिद होसिनी
स्रोत

इसे कैसे अनुमति दें और अंग्रेजी को भी अनुमति दें?

— रज़

20

सितंबर 2018 (फरवरी 2019 अपडेट किया गया)

ऐसा लगता है कि /\p{L}/uमैच अक्षरों के लिए regexp ( यूनिकोड श्रेणियों के रूप में )

Chrome 68.0.3440.106 और Safari 11.1.2 (13605.3.8) पर काम करता है
फ़ायरफ़ॉक्स 65.0 पर काम नहीं कर रहा :(

यहाँ एक कार्यशील उदाहरण है

In below field you should be able to to type letters but not numbers<br>
<input type="text" name="field" onkeydown="return /\p{L}/u.test(event.key)" >

स्निपेट का विस्तार करें

मैं इस बग की रिपोर्ट यहां देता हूं ।

अपडेट करें

2 साल से अधिक समय के बाद: 1500035 > 1361876 > 1634135 अंत में यह बग तय हो गया है और फ़ायरफ़ॉक्स 7.78 + में उपलब्ध होगा

— कामिल कियॉलेजवस्की
स्रोत

9

यह यह करेगा:

/[A-Za-z\u00C0-\u00FF ]+/.exec('hipopótamo maçã pólen ñ poção água língüa')

यह स्पष्ट रूप से यूनिकोड वर्णों की एक श्रृंखला का चयन करता है। यह लैटिन वर्णों के लिए काम करेगा, लेकिन अन्य अजीब चरित्र इस सीमा से बाहर हो सकते हैं।

— fiatjaf
स्रोत

यह अच्छा काम करता है। यह az के बिना काम क्यों नहीं करता है? क्या यह एक ही यूनिकोड श्रेणी में नहीं है?

— जेन्स तोर्नेल 12

ध्यान दें, यह लैटिन यूनिकोड की पूरी श्रृंखला को कवर नहीं करता है। के बीच \u0100और अधिक हैं \u0280: और उनमें से कई को लैटिन वर्ण माना जा सकता है, लेकिन अन्य नहीं: var s = ''; के लिए (var i = 0xff; i <= 0x280; i ++) {s + = String.fromCharCode (i)} "ÿĀāĂăĄąĆćĈĉĊċČčĎďĐđĒēĔĕĖėĘęĚěĜĝĞğĠġĢģĤĥĦħĨĩĪīĠġĢģĤĥĦħĨĩĪıĬĭĮįİıĲĳĴĵĶķĸĹĺĻļĽľĿŀŁłŃńŅņŇňŉŊŋŌōŎŏ ..." ǐǑǒǓǔǕǖǗǘǙǚǛǜǝǞǟǠǡǢǣǤǥǦǧǨǩǪǫǬǭǮǯǰǱǲǳǴǵǶǷǸǹǺǻǼǽǾǿȀȁȂȃȄȅȆȇȈȉȊȋȌȍȎȏȐȑȒȓȔȕȖȗȘșȚțȜȝȞȟȠȡȢȣȤȥȦȧȨȩȪȫȬȭȮȯȰȱȲȳȴȵȶȷȸȹȺȻȼȽȾȿɀɁɂɃɄɅɆɇɈɉɊɋɌɍɎɏɐɑɒɓɔɕɖɗɘəɚɛɜɝɞɟɠɡɢɣɤɥɦɧɨɩɪɫɬɭɮɯɰɱɲɳɴɵɶɷɸɹɺɻɼɽɾɿʀ "

— डेविड एवसजनिविली

8

जावास्क्रिप्ट में, \ w और \ d एएससीआईआई हैं, जबकि यूनिकोड है। मुझसे मत पूछो क्यों। जावास्क्रिप्ट यूनिकोड श्रेणियों के साथ \ p का समर्थन करता है, जिसका उपयोग आप यूनिकोड-अवगत \ w और \ d का अनुकरण करने के लिए कर सकते हैं।

\ D उपयोग के लिए \ p {N} (संख्या)

\ W उपयोग के लिए [\ p {L} \ p {N} \ p {Pc} \ p {M}] (अक्षर, संख्या, अंक, अंक)

अपडेट: दुर्भाग्य से, मैं इस बारे में गलत था। जावास्क्रिप्ट आधिकारिक तौर पर या तो समर्थन नहीं करता है, हालांकि कुछ कार्यान्वयन अभी भी इसका समर्थन कर सकते हैं। जावास्क्रिप्ट regexes में केवल यूनिकोड समर्थन \ uFFFF के साथ विशिष्ट कोड बिंदुओं का मिलान कर रहा है। आप वर्ण वर्गों में उन श्रेणियों में उपयोग कर सकते हैं।

— जन गोयवर्ट्स
स्रोत

26

क्यों? इतना दर्द क्यों?

— जेरेमी-जॉर्ज

यह नोड 12 में समर्थित है। लेकिन आपको यू मॉडिफ़ायर जोड़ने की आवश्यकता है:/\p{L}+/u

— इल्या सेमेनोव

5

यदि आप Babel का उपयोग कर रहे हैं तो यूनिकोड समर्थन पहले से ही उपलब्ध है।

मैंने एक प्लगइन भी जारी किया, जो आपके स्रोत कोड को बदल देता है ताकि आप नियमित रूप से अभिव्यक्ति लिख सकें /^\p{L}+$/। इसके बाद ब्राउज़र को समझने वाली चीज़ में बदल दिया जाएगा।

यहाँ प्लगइन का परियोजना पृष्ठ है:

कोलाहल-प्लगइन-utf-8-regex

— डैनियल
स्रोत

नोट: प्लगइन कोलाहल 6 के साथ काम नहीं करता है ।

— mik01aj

4

मैं इस सवाल का जवाब दे रहा हूं
कि js के लिए regExp में \ p {Lu} या \ p {Ll} के बराबर क्या होगा?
चूंकि यह वर्तमान पुराने प्रश्न के सटीक डुप्लिकेट के रूप में चिह्नित किया गया था।

यूनिकोड 12 के यूसीडी डेटाबेस को छोड़कर, \ p {लू} 1,788 कोड अंक उत्पन्न करता है।

UTF-16 में परिवर्तित करने से वर्ग निर्माण समतुल्यता पैदा होती है।
यह केवल एक 4k कैरेक्टर स्ट्रिंग है और किसी भी रेगेक्स इंजन में आसानी से उपलब्ध है।

(?:[\u0041-\u005A\u00C0-\u00D6\u00D8-\u00DE\u0100\u0102\u0104\u0106\u0108\u010A\u010C\u010E\u0110\u0112\u0114\u0116\u0118\u011A\u011C\u011E\u0120\u0122\u0124\u0126\u0128\u012A\u012C\u012E\u0130\u0132\u0134\u0136\u0139\u013B\u013D\u013F\u0141\u0143\u0145\u0147\u014A\u014C\u014E\u0150\u0152\u0154\u0156\u0158\u015A\u015C\u015E\u0160\u0162\u0164\u0166\u0168\u016A\u016C\u016E\u0170\u0172\u0174\u0176\u0178-\u0179\u017B\u017D\u0181-\u0182\u0184\u0186-\u0187\u0189-\u018B\u018E-\u0191\u0193-\u0194\u0196-\u0198\u019C-\u019D\u019F-\u01A0\u01A2\u01A4\u01A6-\u01A7\u01A9\u01AC\u01AE-\u01AF\u01B1-\u01B3\u01B5\u01B7-\u01B8\u01BC\u01C4\u01C7\u01CA\u01CD\u01CF\u01D1\u01D3\u01D5\u01D7\u01D9\u01DB\u01DE\u01E0\u01E2\u01E4\u01E6\u01E8\u01EA\u01EC\u01EE\u01F1\u01F4\u01F6-\u01F8\u01FA\u01FC\u01FE\u0200\u0202\u0204\u0206\u0208\u020A\u020C\u020E\u0210\u0212\u0214\u0216\u0218\u021A\u021C\u021E\u0220\u0222\u0224\u0226\u0228\u022A\u022C\u022E\u0230\u0232\u023A-\u023B\u023D-\u023E\u0241\u0243-\u0246\u0248\u024A\u024C\u024E\u0370\u0372\u0376\u037F\u0386\u0388-\u038A\u038C\u038E-\u038F\u0391-\u03A1\u03A3-\u03AB\u03CF\u03D2-\u03D4\u03D8\u03DA\u03DC\u03DE\u03E0\u03E2\u03E4\u03E6\u03E8\u03EA\u03EC\u03EE\u03F4\u03F7\u03F9-\u03FA\u03FD-\u042F\u0460\u0462\u0464\u0466\u0468\u046A\u046C\u046E\u0470\u0472\u0474\u0476\u0478\u047A\u047C\u047E\u0480\u048A\u048C\u048E\u0490\u0492\u0494\u0496\u0498\u049A\u049C\u049E\u04A0\u04A2\u04A4\u04A6\u04A8\u04AA\u04AC\u04AE\u04B0\u04B2\u04B4\u04B6\u04B8\u04BA\u04BC\u04BE\u04C0-\u04C1\u04C3\u04C5\u04C7\u04C9\u04CB\u04CD\u04D0\u04D2\u04D4\u04D6\u04D8\u04DA\u04DC\u04DE\u04E0\u04E2\u04E4\u04E6\u04E8\u04EA\u04EC\u04EE\u04F0\u04F2\u04F4\u04F6\u04F8\u04FA\u04FC\u04FE\u0500\u0502\u0504\u0506\u0508\u050A\u050C\u050E\u0510\u0512\u0514\u0516\u0518\u051A\u051C\u051E\u0520\u0522\u0524\u0526\u0528\u052A\u052C\u052E\u0531-\u0556\u10A0-\u10C5\u10C7\u10CD\u13A0-\u13F5\u1C90-\u1CBA\u1CBD-\u1CBF\u1E00\u1E02\u1E04\u1E06\u1E08\u1E0A\u1E0C\u1E0E\u1E10\u1E12\u1E14\u1E16\u1E18\u1E1A\u1E1C\u1E1E\u1E20\u1E22\u1E24\u1E26\u1E28\u1E2A\u1E2C\u1E2E\u1E30\u1E32\u1E34\u1E36\u1E38\u1E3A\u1E3C\u1E3E\u1E40\u1E42\u1E44\u1E46\u1E48\u1E4A\u1E4C\u1E4E\u1E50\u1E52\u1E54\u1E56\u1E58\u1E5A\u1E5C\u1E5E\u1E60\u1E62\u1E64\u1E66\u1E68\u1E6A\u1E6C\u1E6E\u1E70\u1E72\u1E74\u1E76\u1E78\u1E7A\u1E7C\u1E7E\u1E80\u1E82\u1E84\u1E86\u1E88\u1E8A\u1E8C\u1E8E\u1E90\u1E92\u1E94\u1E9E\u1EA0\u1EA2\u1EA4\u1EA6\u1EA8\u1EAA\u1EAC\u1EAE\u1EB0\u1EB2\u1EB4\u1EB6\u1EB8\u1EBA\u1EBC\u1EBE\u1EC0\u1EC2\u1EC4\u1EC6\u1EC8\u1ECA\u1ECC\u1ECE\u1ED0\u1ED2\u1ED4\u1ED6\u1ED8\u1EDA\u1EDC\u1EDE\u1EE0\u1EE2\u1EE4\u1EE6\u1EE8\u1EEA\u1EEC\u1EEE\u1EF0\u1EF2\u1EF4\u1EF6\u1EF8\u1EFA\u1EFC\u1EFE\u1F08-\u1F0F\u1F18-\u1F1D\u1F28-\u1F2F\u1F38-\u1F3F\u1F48-\u1F4D\u1F59\u1F5B\u1F5D\u1F5F\u1F68-\u1F6F\u1FB8-\u1FBB\u1FC8-\u1FCB\u1FD8-\u1FDB\u1FE8-\u1FEC\u1FF8-\u1FFB\u2102\u2107\u210B-\u210D\u2110-\u2112\u2115\u2119-\u211D\u2124\u2126\u2128\u212A-\u212D\u2130-\u2133\u213E-\u213F\u2145\u2183\u2C00-\u2C2E\u2C60\u2C62-\u2C64\u2C67\u2C69\u2C6B\u2C6D-\u2C70\u2C72\u2C75\u2C7E-\u2C80\u2C82\u2C84\u2C86\u2C88\u2C8A\u2C8C\u2C8E\u2C90\u2C92\u2C94\u2C96\u2C98\u2C9A\u2C9C\u2C9E\u2CA0\u2CA2\u2CA4\u2CA6\u2CA8\u2CAA\u2CAC\u2CAE\u2CB0\u2CB2\u2CB4\u2CB6\u2CB8\u2CBA\u2CBC\u2CBE\u2CC0\u2CC2\u2CC4\u2CC6\u2CC8\u2CCA\u2CCC\u2CCE\u2CD0\u2CD2\u2CD4\u2CD6\u2CD8\u2CDA\u2CDC\u2CDE\u2CE0\u2CE2\u2CEB\u2CED\u2CF2\uA640\uA642\uA644\uA646\uA648\uA64A\uA64C\uA64E\uA650\uA652\uA654\uA656\uA658\uA65A\uA65C\uA65E\uA660\uA662\uA664\uA666\uA668\uA66A\uA66C\uA680\uA682\uA684\uA686\uA688\uA68A\uA68C\uA68E\uA690\uA692\uA694\uA696\uA698\uA69A\uA722\uA724\uA726\uA728\uA72A\uA72C\uA72E\uA732\uA734\uA736\uA738\uA73A\uA73C\uA73E\uA740\uA742\uA744\uA746\uA748\uA74A\uA74C\uA74E\uA750\uA752\uA754\uA756\uA758\uA75A\uA75C\uA75E\uA760\uA762\uA764\uA766\uA768\uA76A\uA76C\uA76E\uA779\uA77B\uA77D-\uA77E\uA780\uA782\uA784\uA786\uA78B\uA78D\uA790\uA792\uA796\uA798\uA79A\uA79C\uA79E\uA7A0\uA7A2\uA7A4\uA7A6\uA7A8\uA7AA-\uA7AE\uA7B0-\uA7B4\uA7B6\uA7B8\uA7BA\uA7BC\uA7BE\uA7C2\uA7C4-\uA7C6\uFF21-\uFF3A]|(?:\uD801[\uDC00-\uDC27\uDCB0-\uDCD3]|\uD803[\uDC80-\uDCB2]|\uD806[\uDCA0-\uDCBF]|\uD81B[\uDE40-\uDE5F]|\uD835[\uDC00-\uDC19\uDC34-\uDC4D\uDC68-\uDC81\uDC9C\uDC9E-\uDC9F\uDCA2\uDCA5-\uDCA6\uDCA9-\uDCAC\uDCAE-\uDCB5\uDCD0-\uDCE9\uDD04-\uDD05\uDD07-\uDD0A\uDD0D-\uDD14\uDD16-\uDD1C\uDD38-\uDD39\uDD3B-\uDD3E\uDD40-\uDD44\uDD46\uDD4A-\uDD50\uDD6C-\uDD85\uDDA0-\uDDB9\uDDD4-\uDDED\uDE08-\uDE21\uDE3C-\uDE55\uDE70-\uDE89\uDEA8-\uDEC0\uDEE2-\uDEFA\uDF1C-\uDF34\uDF56-\uDF6E\uDF90-\uDFA8\uDFCA]|\uD83A[\uDD00-\uDD21]))

यूनिकोड 12 के UCD डेटाबेस को छोड़कर, \ p {Ll} 2,151 कोड पॉइंट जेनरेट करता है।

UTF-16 में परिवर्तित करने से वर्ग निर्माण समतुल्यता पैदा होती है।

(?:[\u0061-\u007A\u00B5\u00DF-\u00F6\u00F8-\u00FF\u0101\u0103\u0105\u0107\u0109\u010B\u010D\u010F\u0111\u0113\u0115\u0117\u0119\u011B\u011D\u011F\u0121\u0123\u0125\u0127\u0129\u012B\u012D\u012F\u0131\u0133\u0135\u0137-\u0138\u013A\u013C\u013E\u0140\u0142\u0144\u0146\u0148-\u0149\u014B\u014D\u014F\u0151\u0153\u0155\u0157\u0159\u015B\u015D\u015F\u0161\u0163\u0165\u0167\u0169\u016B\u016D\u016F\u0171\u0173\u0175\u0177\u017A\u017C\u017E-\u0180\u0183\u0185\u0188\u018C-\u018D\u0192\u0195\u0199-\u019B\u019E\u01A1\u01A3\u01A5\u01A8\u01AA-\u01AB\u01AD\u01B0\u01B4\u01B6\u01B9-\u01BA\u01BD-\u01BF\u01C6\u01C9\u01CC\u01CE\u01D0\u01D2\u01D4\u01D6\u01D8\u01DA\u01DC-\u01DD\u01DF\u01E1\u01E3\u01E5\u01E7\u01E9\u01EB\u01ED\u01EF-\u01F0\u01F3\u01F5\u01F9\u01FB\u01FD\u01FF\u0201\u0203\u0205\u0207\u0209\u020B\u020D\u020F\u0211\u0213\u0215\u0217\u0219\u021B\u021D\u021F\u0221\u0223\u0225\u0227\u0229\u022B\u022D\u022F\u0231\u0233-\u0239\u023C\u023F-\u0240\u0242\u0247\u0249\u024B\u024D\u024F-\u0293\u0295-\u02AF\u0371\u0373\u0377\u037B-\u037D\u0390\u03AC-\u03CE\u03D0-\u03D1\u03D5-\u03D7\u03D9\u03DB\u03DD\u03DF\u03E1\u03E3\u03E5\u03E7\u03E9\u03EB\u03ED\u03EF-\u03F3\u03F5\u03F8\u03FB-\u03FC\u0430-\u045F\u0461\u0463\u0465\u0467\u0469\u046B\u046D\u046F\u0471\u0473\u0475\u0477\u0479\u047B\u047D\u047F\u0481\u048B\u048D\u048F\u0491\u0493\u0495\u0497\u0499\u049B\u049D\u049F\u04A1\u04A3\u04A5\u04A7\u04A9\u04AB\u04AD\u04AF\u04B1\u04B3\u04B5\u04B7\u04B9\u04BB\u04BD\u04BF\u04C2\u04C4\u04C6\u04C8\u04CA\u04CC\u04CE-\u04CF\u04D1\u04D3\u04D5\u04D7\u04D9\u04DB\u04DD\u04DF\u04E1\u04E3\u04E5\u04E7\u04E9\u04EB\u04ED\u04EF\u04F1\u04F3\u04F5\u04F7\u04F9\u04FB\u04FD\u04FF\u0501\u0503\u0505\u0507\u0509\u050B\u050D\u050F\u0511\u0513\u0515\u0517\u0519\u051B\u051D\u051F\u0521\u0523\u0525\u0527\u0529\u052B\u052D\u052F\u0560-\u0588\u10D0-\u10FA\u10FD-\u10FF\u13F8-\u13FD\u1C80-\u1C88\u1D00-\u1D2B\u1D6B-\u1D77\u1D79-\u1D9A\u1E01\u1E03\u1E05\u1E07\u1E09\u1E0B\u1E0D\u1E0F\u1E11\u1E13\u1E15\u1E17\u1E19\u1E1B\u1E1D\u1E1F\u1E21\u1E23\u1E25\u1E27\u1E29\u1E2B\u1E2D\u1E2F\u1E31\u1E33\u1E35\u1E37\u1E39\u1E3B\u1E3D\u1E3F\u1E41\u1E43\u1E45\u1E47\u1E49\u1E4B\u1E4D\u1E4F\u1E51\u1E53\u1E55\u1E57\u1E59\u1E5B\u1E5D\u1E5F\u1E61\u1E63\u1E65\u1E67\u1E69\u1E6B\u1E6D\u1E6F\u1E71\u1E73\u1E75\u1E77\u1E79\u1E7B\u1E7D\u1E7F\u1E81\u1E83\u1E85\u1E87\u1E89\u1E8B\u1E8D\u1E8F\u1E91\u1E93\u1E95-\u1E9D\u1E9F\u1EA1\u1EA3\u1EA5\u1EA7\u1EA9\u1EAB\u1EAD\u1EAF\u1EB1\u1EB3\u1EB5\u1EB7\u1EB9\u1EBB\u1EBD\u1EBF\u1EC1\u1EC3\u1EC5\u1EC7\u1EC9\u1ECB\u1ECD\u1ECF\u1ED1\u1ED3\u1ED5\u1ED7\u1ED9\u1EDB\u1EDD\u1EDF\u1EE1\u1EE3\u1EE5\u1EE7\u1EE9\u1EEB\u1EED\u1EEF\u1EF1\u1EF3\u1EF5\u1EF7\u1EF9\u1EFB\u1EFD\u1EFF-\u1F07\u1F10-\u1F15\u1F20-\u1F27\u1F30-\u1F37\u1F40-\u1F45\u1F50-\u1F57\u1F60-\u1F67\u1F70-\u1F7D\u1F80-\u1F87\u1F90-\u1F97\u1FA0-\u1FA7\u1FB0-\u1FB4\u1FB6-\u1FB7\u1FBE\u1FC2-\u1FC4\u1FC6-\u1FC7\u1FD0-\u1FD3\u1FD6-\u1FD7\u1FE0-\u1FE7\u1FF2-\u1FF4\u1FF6-\u1FF7\u210A\u210E-\u210F\u2113\u212F\u2134\u2139\u213C-\u213D\u2146-\u2149\u214E\u2184\u2C30-\u2C5E\u2C61\u2C65-\u2C66\u2C68\u2C6A\u2C6C\u2C71\u2C73-\u2C74\u2C76-\u2C7B\u2C81\u2C83\u2C85\u2C87\u2C89\u2C8B\u2C8D\u2C8F\u2C91\u2C93\u2C95\u2C97\u2C99\u2C9B\u2C9D\u2C9F\u2CA1\u2CA3\u2CA5\u2CA7\u2CA9\u2CAB\u2CAD\u2CAF\u2CB1\u2CB3\u2CB5\u2CB7\u2CB9\u2CBB\u2CBD\u2CBF\u2CC1\u2CC3\u2CC5\u2CC7\u2CC9\u2CCB\u2CCD\u2CCF\u2CD1\u2CD3\u2CD5\u2CD7\u2CD9\u2CDB\u2CDD\u2CDF\u2CE1\u2CE3-\u2CE4\u2CEC\u2CEE\u2CF3\u2D00-\u2D25\u2D27\u2D2D\uA641\uA643\uA645\uA647\uA649\uA64B\uA64D\uA64F\uA651\uA653\uA655\uA657\uA659\uA65B\uA65D\uA65F\uA661\uA663\uA665\uA667\uA669\uA66B\uA66D\uA681\uA683\uA685\uA687\uA689\uA68B\uA68D\uA68F\uA691\uA693\uA695\uA697\uA699\uA69B\uA723\uA725\uA727\uA729\uA72B\uA72D\uA72F-\uA731\uA733\uA735\uA737\uA739\uA73B\uA73D\uA73F\uA741\uA743\uA745\uA747\uA749\uA74B\uA74D\uA74F\uA751\uA753\uA755\uA757\uA759\uA75B\uA75D\uA75F\uA761\uA763\uA765\uA767\uA769\uA76B\uA76D\uA76F\uA771-\uA778\uA77A\uA77C\uA77F\uA781\uA783\uA785\uA787\uA78C\uA78E\uA791\uA793-\uA795\uA797\uA799\uA79B\uA79D\uA79F\uA7A1\uA7A3\uA7A5\uA7A7\uA7A9\uA7AF\uA7B5\uA7B7\uA7B9\uA7BB\uA7BD\uA7BF\uA7C3\uA7FA\uAB30-\uAB5A\uAB60-\uAB67\uAB70-\uABBF\uFB00-\uFB06\uFB13-\uFB17\uFF41-\uFF5A]|(?:\uD801[\uDC28-\uDC4F\uDCD8-\uDCFB]|\uD803[\uDCC0-\uDCF2]|\uD806[\uDCC0-\uDCDF]|\uD81B[\uDE60-\uDE7F]|\uD835[\uDC1A-\uDC33\uDC4E-\uDC54\uDC56-\uDC67\uDC82-\uDC9B\uDCB6-\uDCB9\uDCBB\uDCBD-\uDCC3\uDCC5-\uDCCF\uDCEA-\uDD03\uDD1E-\uDD37\uDD52-\uDD6B\uDD86-\uDD9F\uDDBA-\uDDD3\uDDEE-\uDE07\uDE22-\uDE3B\uDE56-\uDE6F\uDE8A-\uDEA5\uDEC2-\uDEDA\uDEDC-\uDEE1\uDEFC-\uDF14\uDF16-\uDF1B\uDF36-\uDF4E\uDF50-\uDF55\uDF70-\uDF88\uDF8A-\uDF8F\uDFAA-\uDFC2\uDFC4-\uDFC9\uDFCB]|\uD83A[\uDD22-\uDD43]))

ध्यान दें कि \ p {Lu} या \ p {Pl} का एक regex कार्यान्वयन वास्तव
में मूल्य का परीक्षण करने के लिए एक गैर मानक फ़ंक्शन को कॉल करता है।

यहां दिखाए गए चरित्र वर्ग अलग-अलग किए जाते हैं और रैखिक, मानक
और बहुत धीमी गति से होते हैं, जब ज्यादातर एकल वर्ग में जाम हो जाता है।

कैसे एक Regex इंजन (सामान्य रूप में) पर कुछ अंतर्दृष्टि यूनिकोड संपत्ति वर्गों को लागू करती है:

संपत्ति
और वर्ग ब्लॉक (ऊपर की तरह) के बीच इन प्रदर्शन विशेषताओं की जांच करें

Regex1:  LONG CLASS 
< none >
Completed iterations:   50  /  50     ( x 1 )
Matches found per iteration:   1788
Elapsed Time:    0.73 s,   727.58 ms,   727584 µs
Matches per sec:   122,872


Regex2:   \p{Lu}
Options:  < ICU - none >
Completed iterations:   50  /  50     ( x 1 )
Matches found per iteration:   1788
Elapsed Time:    0.07 s,   65.32 ms,   65323 µs
Matches per sec:   1,368,583

वाह क्या फर्क है !!

देखते हैं कि कैसे गुणों को लागू किया जा सकता है

पॉइंटर्स का ऐरे [10FFFF] जहां प्रत्येक इंडेक्स एक कोड पॉइंट होता है

ऐरे में प्रत्येक सूचक वर्गीकरण की संरचना के लिए है।
- एक वर्गीकरण संरचना में निश्चित क्षेत्र के हाथी होते हैं।
  कुछ NULL हैं और संबंधित नहीं हैं।
  कुछ में श्रेणी वर्गीकरण शामिल हैं।
  
  उदाहरण: सामान्य श्रेणी
  यह एक बिटमैप्ड तत्व है जो 64 बिट्स में से 17 का उपयोग करता है।
  जो भी यह कोड प्वाइंट सपोर्ट करता है, वह एक मास्क के रूप में सेट होता है।
  
  -Close_Punctuation
  -Connector_Punctuation
  -Control
  -Currency_Symbol
  -Dash_Punctuation
  -Decimal_Number
  -Enclosing_Mark
  -Final_Punctuation
  -format
  -Initial_Punctuation
  -Letter_Number
  -Line_Separator
  -Lowercase_Letter
  -Math_Symbol
  -Modifier_Letter
  -Modifier_Symbol
  -Nonspacing_Mark
  -Open_Punctuation
  -Other_Letter
  -Other_Number
  -Other_Punctuation
  -Other_Symbol
  -Paragraph_Separator
  -Private_Use
  -Space_Separator
  -Spacing_Mark
  -Srogrogate
  -Titlecase_Letter
  -Unassigned
  -Uppercase_Letter

जब एक regex इस \ p {Lu} की तरह कुछ के साथ पार्स किया जाता है तो इसे
सीधे अनुवाद किया जाता है

वर्गीकरण संरचना तत्व ऑफसेट: सामान्य श्रेणी
बिट आइटम के लिए उस तत्व की जांच: Uppercase_Letter

एक अन्य उदाहरण, जब एक रेगेक्स को विराम चिह्न संपत्ति \ p {P} के साथ पार्स किया जाता है, तो इसका
अनुवाद किया जाता है

वर्गीकरण संरचना तत्व ऑफसेट: सामान्य श्रेणी
इनमें से किसी भी आइटम बिट्स के लिए उस तत्व का एक चेक, जो मास्क में शामिल किया गया है:

-Close_Punctuation
-Connector_Punctuation
-Dash_Punctuation
-Final_Punctuation
-Initial_Punctuation
-Open_Punctuation
-Other_Punctuation

ऑफसेट और बिट या बिट (मुखौटा) को उस संपत्ति के लिए एक रेगेक्स कदम के रूप में संग्रहीत किया जाता है।

इस सरणी का उपयोग करके सभी यूनिकोड कोड पॉइंट्स के लिए एक बार लुकअप टेबल बनाई जाती है।

जब एक चरित्र की जाँच की जाती है, तो यह इस सरणी में एक सूचकांक के रूप में सीपी का उपयोग करने और उस बिट (मुखौटा) के लिए वर्गीकरण संरचना के विशिष्ट तत्व की जांच करने के रूप में सरल है।

यह संरचना बहुत अधिक जटिल लुक अप प्रदान करने के लिए विस्तार योग्य और अप्रत्यक्ष है। यह सिर्फ एक सरल उदाहरण है।

चरित्र वर्ग खोज के साथ उस प्रत्यक्ष लुकअप की तुलना करें:

सभी वर्ग बाईं से दाईं ओर खोजी गई वस्तुओं की एक रैखिक सूची है।
इस तुलना में, हमारे लक्षित स्ट्रिंग में केवल पूर्ण ऊपरी केस यूनिकोड पत्र शामिल हैं, औसत का कानून यह अनुमान लगाएगा कि कक्षा में आधी वस्तुओं को एक मैच खोजने के लिए चेक किया जाना होगा।

यह प्रदर्शन में एक बड़ा नुकसान है।

हालाँकि, यदि लुकअप टेबल नहीं हैं या नवीनतम यूनिकोड रिलीज़ (इस तिथि के अनुसार 12) के साथ अद्यतित नहीं हैं,
तो यह एकमात्र तरीका होगा।

वास्तव में, यह ज्यादातर पूर्ण इमोजी
वर्ण प्राप्त करने का एकमात्र तरीका है क्योंकि उनके असाइनमेंट के लिए कोई विशिष्ट संपत्ति (या तर्क) नहीं है।

— x15
स्रोत

इसकी काफी निराशाजनक बात यह है कि इन सब से गुजरना कुछ और भाषाओं को सरल बनाना है।

— निकोलससी

1

@nicolasassi - यह वास्तव में उतना सीधा आगे नहीं है जितना दिखता है। इंजनों के व्यापक वितरण और तेजी से बदलते स्टैंडर्ड को देखते हुए यूनिकोड टेबल (और संपत्ति की) को बनाए रखना कठिन प्रतीत होगा। पोस्ट में कुछ और अंतर्दृष्टि जोड़ी गई।

— x15

2

आप भी उपयोग कर सकते हैं:

function myFunction() {
  var str = "xq234"; 
  var allowChars = "^[a-zA-ZÀ-ÿ]+$";
  var res = str.match(allowChars);
  if(!str.match(allowChars)){
    res="true";
  }
  else {
    res="false";
  }
  document.getElementById("demo").innerHTML = res;

— तपन उपाध्याय
स्रोत