語言代碼剝離正則表達式

Question

我覺得我已經很接近這里的解決方案了，但是我似乎還不太清楚。 我的目標是一次獲取一組字符串， [ 'en', 'en-us', 'en_us', 'zh-hans-TW' ]並產生[ 'en', 'en', 'en', 'zh-hans' ] 。 我嘗試了幾種不同的方法，但是沒有完全正確的解決方案。

我相信，這是我最接近的匹配，除了“ en”。

/([a-zA-Z-_]+)[-_].+/
（一個或多個aA-zZ字符或-_，后跟-或_和其他字符）

我嘗試了負向超前（我不是很擅長），並提出了這個問題，它過度匹配並捕獲了整個字符串

/([a-zA-Z-_]+)(?![-_].+)/
（一個或多個aA-zZ字符或-_，后跟-或_和其他字符）

有人可以在這里指出正確的解決方案嗎？

Answer 1

除了匹配要保留的字符串部分，您可以刪除不想保留的字符串的結尾：

/[-_][a-z]+$/i

這是Javascript的實現：

var array1 = [ 'en', 'en-us', 'en_us', 'zh-hans-TW' ];

var array2 = array1.map(function(str) {
  return str.replace(/[-_][a-z]+$/i, "");
});

console.log(array2);

輸出：

[ 'en', 'en', 'en', 'zh-hans' ]

Answer 2

您應該嘗試更籠統。 例如， de-DE-u-co-phonebk也是有效的語言代碼（以-u...開頭的內容代表排序規則等的Unicode選項）。 我假設您想從國家/地區代碼開始剝離所有內容，根據國家/地區代碼，該代碼應該是大寫的。 如果要使用正則表達式執行此操作，則

function strip_country_code(lang) { return lang.replace(/[-_][A-Z][A-Z].*$/, ''); }

當然，這將在en-us上失敗，這是無效的； 應該是en-US 。 您必須決定是否以及如何處理這樣的無效語言代碼。

這只是您最好使用可用的庫來處理語言代碼的原因之一。 看一下JS國際化API ，它有幾種解析語言環境代碼並找到“最佳”方法的方法。 但是，瀏覽器支持有限。 因此，您可能想尋找現成的東西。 但目前我無法將手指放在任何東西上。

JED庫使用以下正則表達式提取段：

str.match(/[a-z]+/gi)

但是然后假設第二個細分市場（如果存在）始終是國家/地區，因此該邏輯在zh-hans-TW上將失敗。

您還應該考慮誰將使用字符串操作的結果。 您是說有些庫或API 僅能處理國家/地區代碼前面的區域設置字符串嗎？ 您應該確保確實如此。 例如，我相信moment.js還將正確處理不同的語言環境字符串。