是否存在與單個字形簇相匹配的正則表達式？

Question

字素是文本的用戶感知字符，其在unicode中可以包括若干個代碼點。

來自Unicode®標准附件＃29 ：

重要的是要認識到用戶認為的“字符” - 語言編寫系統的基本單元 - 可能不僅僅是單個Unicode代碼點。 相反，該基本單元可以由多個Unicode代碼點組成。 為了避免計算機使用術語字符的歧義，這稱為用戶感知字符。 例如，“G”+重音符號是用戶感知的字符：用戶將其視為單個字符，但實際上由兩個Unicode代碼點表示。 這些用戶感知的字符由所謂的字形集群近似，可以通過編程方式確定。

有沒有我可以使用的正則表達式（在javascript中）將匹配單個字形集群？ 例如

"한bar".match(/*?*/)[0] === "한"
"நிbaz".match(/*?*/)[0] === "நி"
"aa".match(/*?*/)[0] === "a"
"\r\n".match(/*?*/)[0] === "\r\n"
"💆‍♂️foo".match(/*?*/)[0] === "💆‍♂️"

Answer 1

完整，易用的集成支持：沒有。 各種匹配任務的近似值：是的。 從正則表達式教程 ：

匹配單個字形，無論是編碼為單個代碼點，還是使用組合標記作為多個代碼點，在Perl，PCRE，PHP，Boost，Ruby 2.0，Java 9和Just Great Software應用程序中都很容易：只需使用\\ X。 您可以考慮\\ X點的Unicode版本。 但有一個區別：\\ X始終匹配換行符，而點與換行符不匹配，除非您啟用點匹配換行符匹配模式。

在.NET，Java 8和之前版本以及Ruby 1.9中，您可以使用\\ P {M} \\ p {M} +或（？> \\ P {M} \\ p {M} ）作為一個相當接近的替代品。 要匹配任意數量的字素，請使用（？> \\ P {M} \\ p {M} *）+代替\\ X +。

\\X是最接近的，並且在通過ES6的任何版本中都不存在。 \\P{M}\\p{M}+近似於\\X ，但不存在於該形式：如果您通過本機或轉換獲得ES6，則可以使用/(\\P{Mark})(\\p{Mark}+)/gu 。

但即使如此， 這還不夠 。 <==閱讀所有血腥細節的鏈接。

已經提出了對案文進行細分的提案 ，但尚未通過。 如果您專注於Chrome，則可以使用其非標准Intl.v8BreakIterator來中斷群集並手動匹配。