正則表達式：用逗號分割英語和非英語單詞？

Question

是否有任何正則表達式模式來更改此字符串

這是üößñ和英語的混合串。 üößñüößñ是Unicode單詞。

這個？

這是一個混合字符串，üößñ和英語。，üößñüößñ，是Unicode字。

實際上，我想用逗號分割英語單詞和非英語單詞。

謝謝。

Answer 1

沒有正則表達式可以檢測特定語言中的字符串，但您可以通過使用unicode文字來確定匹配（或不在）一系列代碼點中的字符，例如

/[\u0900-\u097F]+/

它匹配一系列梵文字符。

請記住，許多語言都可以使用腳本（字符集合）。

Answer 2

當然，您可以使用\\ x來過濾特定的ASCII代碼范圍

例如（在JavaScript中）：

var x = "This is a mix string of üößñ and English. üößñ üößñ are Unicode characters.";
x.replace(/([^\x00-\x80]+\s)+/g, function(match) { return match.slice(0,-1)+", "; } ); // matches characters outside the 0-128 ASCII range

輸出：

這是üößñ和英語的混合字符串。 üößñüößñ是Unicode字符。

我相信另一個正則表達式精明的人可以進一步優化，但這是我能想到的最好的一半清醒:)

Answer 3

JavaScript的

/（（？：\\ [^ \\ w \\ d] +）+）/ g

'這是üößñ和英語的混合串。 üößñüößñ是Unicode字。'。replace（/（（？：\\ [^ \\ w \\ d] +）+）/ g，'，$ 1，'）

這是一個混合字符串，üößñ和英語。，üößñüößñ，是Unicode字。

標記

Answer 4

    String s = "This is a mix string of üößñ and English. üößñ üößñ are Unicode words.";
    System.out.println(s.replaceAll("((?: ?[\\p{L}&&[^A-Za-z]]+)+)", ",$1,"));

Unicode腳本定義了大約45種不同的語言腳本。 以上只是檢測不在ASCII范圍內的任何unicode。