Javascript - 正则表达式 - 单词边界（\ b）问题

Question

我在使用正则表达式中的\\b和希腊字符时遇到困难。

在这个例子中 [a-zA-ZΆΈ-ώἀ-ῼ]*成功地标记了我想要的所有单词（希腊文和英文）。 现在考虑我想找到2个字母的单词。 对于英语，我使用这样的东西： \\b[a-zA-Z]{2}\\b 。 你能帮我写一个正则表达式，成功用2个字母标记希腊语单词吗？ （为什么？我的最终目标是删除它们）。

使用的文字：

希腊单调：Τογάρούνκαιπαρ 'υμίνλεγόμενον，ώςποτεΦαέθωνΗλίουπαίςτοτουπατρόςάρμαζεύξαςδιατομήδυνατόςείναικατάτηντουπατρόςοδόνελαύνειντατ' επίτηςγήςξυνέκαυσεκαιαυτόςκεραυνωθείςδιεφθάρη，τούτομύθουμένσχήμαέχον λέγεται，τοδέαληθέςεστιτωνπερίγήνκαικατ'ουρανόνιόντωνπαράλλαξιςκαιδιάμακρόνχρόνονγιγνομένητωνεπίγήςπυρίπολλώφθορά。

希腊POLYTONIC：Τὸγὰροὖνκαὶπαρ 'ὑμῖνλεγόμενον，ὥςποτεΦαέθωνἩλίουπαῖςτὸτοῦπατρὸςἅρμαζεύξαςδιὰτὸμὴδυνατὸςεἶναικατὰτὴντοῦπατρὸςὁδὸνἐλαύνειντὰτ' ἐπὶτῆςγῆςξυνέκαυσεκαὶαὐτὸςκεραυνωθεὶςδιεφθάρη，τοῦτομύθουμὲνσχῆμαἔχον λέγεται，τὸδὲὲληθέςἐστιτῶνπερὶγῆνκαὶκατ'οὐρανὸνἰόντωνπαράλλαξιςκαὶδιὰμακρὸνχρόνονγιγνομένητῶνἐπὶτῆςγῆςπυρὶπολλῷφθορά。

英语：事实上，在你们国家和我们的故事中讲述了这个故事，赫罗伊斯的儿子法顿曾经用他的父亲的战车，并且，因为他无法沿着他父亲的路线驾驶它。烧毁了地球上的所有东西，他自己也被雷电摧毁了 - 据说，这个故事具有传说的风格，但它的真实性在于天体中身体的移动。它绕着地球移动，并通过猛烈的火焰摧毁地球上的东西，这种火焰会长时间地复发。

到目前为止我尝试过的：

// 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(' ') );

我在这里提出了2和3的问题： Javascript - 正则表达式 - 如何删除指定长度的单词

编辑

阅读：

• 为什么我不能在单词边界旁边使用重音字符？
• Javascript + Unicode正则表达式

Answer 1

由于Javascript没有lookbehind功能，并且由于单词边界仅适用于\\w字符类的成员，因此唯一的方法是使用组（如果要进行替换，则使用捕获组）：

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

删除2个字母的示例：

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.

不是为“单词字符加上这些字符”写一个匹配，而是使用匹配非空格的正则表达式是合适的：

\S

它的范围更广，但编写/使用更简单。

如果这太宽泛 - 使用独占列表而不是包含列表：

[^\s\.]

那就是 - 任何不是空格而不是点的字符。 通过这种方式，添加异常也很容易。

不要试图使用\\ b

字边界不适用于非ascii字符 ，这很容易演示：

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

因此，不可能使用\\b来检测带有希腊字符的单词 - 每个字符都是匹配的边界。

匹配2个字符的单词

以下模式可用于匹配两个字符单词：

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

（更准确地说：匹配两个非空格序列）。

那是：

(^|[\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，展示了问题中文本的模式使用。

Answer 3

尝试这样的事情：

\s[a-zA-ZΆΈ-ώἀ-ῼ]{2}\s