2011-09-28 30 views
18

Ben [! @ # $%^& *()] böyle standart olarak tüm noktalama işaretleri, karşı maç için normal bir ifade gerekir, ancak ters İspanyol soru işareti gibi uluslararası markaları, Çinli dönemler de dahil olmak üzere vb Google-fu'm kısa sürüyor. Javascript ile uyumlu olan böyle düzenli bir ifade var mı?JavaScript düzenli ifade?

+1

kötü JavaScript'ın regex ve unicode desteği ne kadar göz önüne alındığında, ben eklemek istediğiniz tüm karakterleri listeleme dışında bir şey olduğunu sanmıyorum. – NullUserException

+4

Not: '@ # $%^& *' haline noktalama işaretleri ne zaman? – NullUserException

+1

iki göz – RHT

cevap

7

, JavaScript için bir eklenti var: XRegExp Unicode plugins. Bu Unicode kategoriler, komut dosyaları ve bloklar için destek ekler (ben şahsen sadece ben hiç kullanmadım, bu konuda okudum).

Bu eklenti ile regular-expressions.info adresinde açıklandığı gibi \p{P} gibi Unicode kategorilerini kullanmak mümkün olmalıdır.

Güncelleme: Tamam, bunu test ve cezayı iş gibi görünüyor.

Sen XRegExp gelen lib ve ek Unicode Taban ve Unicode Kategori eklentileri (yukarıda bağlantısı) almak gerekir.

<script src="xregexp.js"></script> 
<script src="addons/unicode-base.js"></script> 
<script src="addons/unicode-categories.js"></script> 
<script> 
    var unicodePunctuation = XRegExp("^\\p{P}+$"); 

    alert(unicodePunctuation.test("?.,;!¡¿。、·")); // true 
</script> 

yukarıdaki uyarılar true. Test dizgimde "?.,;!¡¿。、·"'da İspanyolca ve Çince noktalama işaretleri ekledim.

+0

Bu oldukça umut verici görünüyor, yine de başka bir kitaplık ile benim Javascript app kadar şişirmek için her zaman tereddüt ediyorum. Amacım için çalıştığımı teyit edince tekrar kontrol edeceğim. –

+0

Teşekkür ederim. İşte bir kod JSBin (aşağıya kaydırın ve aynı zamanda Chrome konsoluna bakın) http://jsbin.com/uFiNeDOn/3/edit?js ,console –

2

Şey ... idk nasıl olacağını geniş, ancak bu kullanabilirsiniz:

[^\w\s\n\t] 
+0

Bu konuyla ilgili tek şey, '_ 'karakterinin' 'w' içinde yer almasıdır. . Ayrıca, yanlış pozitif olarak, ('ö' gibi) unicode harflerine izin verilir mi? – sdleihssirhc

+2

'\ s',' \ n' ve '\ t' öğelerini içerir ve bu, ASCII olmayan sözcük karakterleri, denetim karakterleri, para birimi karakterleri ve diğer noktalama işareti olmayan karakterlerle de eşleşir. –

+0

Diğer asalet karakterleri yanlış pozitif olarak dahil edildiğim şu andaki en büyük sorunum - Sanırım eşdeğer bir sorun, \ w (ve dolayısıyla \ W) –

2

benzer görünümde olacaktır Sizin regex ...

/[,[email protected]#$%^&*()\u9999]/ 

her \u9999 ile değiştirin Nerede Diğer noktalama karakterleri için Unicode kod noktası.

aralığı aralığında bir grup bulabilirseniz, - aralık işleneni ile, örn. \u9990-\u9999.

Ben JavaScript regexes içinde \pP gibi bir şey kullanamazsınız bildiği gibi kadarıyla. Eğer bir eklenti kullanmak mümkün değilse

+0

uluslararası eşdeğeri olan iyi bir regex bulmaktır. karakterleri - hala '[\ u9000- \ u9999] 'gibi değişkenler yapabilirsiniz (bu bir sözdizimi örneğidir, hangi karakterleri temsil edebileceğine dair bir fikir yoktur). –

+1

@PeterBoughton: Ben sadece onu düzenledim :) – alex

6

@ stema'nın cevabını (https://stackoverflow.com/a/7578937/114140) eklemek ... burada bir dize olarak regex (böylece XRegExp ile projenizi şişirmeniz gerekmez).

!-#%-\x2A,-/:;\[email protected]\x5B-\x5D_\x7B}\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\u2329\u232A\u2768-\u2775\u27C5\u27C6\u27E6-\u27EF\u2983-\u2998\u29D8-\u29DB\u29FC\u29FD\u2CF9-\u2CFC\u2CFE\u2CFF\u2D70\u2E00-\u2E2E\u2E30-\u2E3B\u3001-\u3003\u3008-\u3011\u3014-\u301F\u3030\u303D\u30A0\u30FB\uA4FE\uA4FF\uA60D-\uA60F\uA673\uA67E\uA6F2-\uA6F7\uA874-\uA877\uA8CE\uA8CF\uA8F8-\uA8FA\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 

bazı eklemelerle kendi projede bu kullanılan

... Python için

// any kind of punctuation character (including international e.g. Chinese and Spanish punctuation) 
    // author: http://www.regular-expressions.info/unicode.html 
    // source: https://github.com/slevithan/xregexp/blob/41f4cd3fc0a8540c3c71969a0f81d1f00e9056a9/src/addons/unicode/unicode-categories.js#L142 
    // note: XRegExp unicode output taken from http://jsbin.com/uFiNeDOn/3/edit?js,console (see chrome console.log), then converted back to JS escaped unicode here http://rishida.net/tools/conversion/, then tested on http://regexpal.com/ 
    // suggested by: https://stackoverflow.com/a/7578937 
    // added: extra characters like "$", "\uFFE5" [yen symbol], "^", "+", "=" which are not consider punctuation in the XRegExp regex (they are currency or mathmatical characters) 
    // added: \u3000-\u303F Chinese Punctuation for good measure 
    var regex_characters_to_remove = /[\$\uFFE5\^\+=`~<>{}\[\]|\u3000-\u303F!-#%-\x2A,-/:;\[email protected]\x5B-\x5D_\x7B}\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\u2329\u232A\u2768-\u2775\u27C5\u27C6\u27E6-\u27EF\u2983-\u2998\u29D8-\u29DB\u29FC\u29FD\u2CF9-\u2CFC\u2CFE\u2CFF\u2D70\u2E00-\u2E2E\u2E30-\u2E3B\u3001-\u3003\u3008-\u3011\u3014-\u301F\u3030\u303D\u30A0\u30FB\uA4FE\uA4FF\uA60D-\uA60F\uA673\uA67E\uA6F2-\uA6F7\uA874-\uA877\uA8CE\uA8CF\uA8F8-\uA8FA\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]+/g 
0

Bu normal ifadenin baştan çıkarmak ve noktalama işaretleri her türlü bitmesini:

import re 
def cleanspecialcharacters(str): 
    regex = re.compile((
    '^[/\"_\(\)&*\$¥\^\+=`~<>\{\}\[\]\|\-!#%\,\:;@¡§«¶·»¿;·՚-՟։֊؉،॥॰෴๏๚๛༄-༒༔༺-༽྅჻፠-፨᐀᙭᙮។-៖៘-៚‧‰-⁃⁅-⁑⁓-⁞⁽⁾₍₎、〃〈-【】〔-〟〰〽゠・﴾﴿︐-︙︰-﹒﹔-﹡﹣﹨﹪﹫!-#%-*,-/:;?@[-]_{}⦅-・〔〕《》]*|' 
    '([/\"_\(\)&*\$¥\^\+=`~<>\{\}\[\]\|\-!#%\,\:;@¡§«¶·»¿;·՚-՟։֊؉،॥॰෴๏๚๛༄-༒༔༺-༽྅჻፠-፨᐀᙭᙮។-៖៘-៚‧‰-⁃⁅-⁑⁓-⁞⁽⁾₍₎、〃〈-【】〔-〟〰〽゠・﴾﴿︐-︙︰-﹒﹔-﹡﹣﹨﹪﹫!-#%-*,-/:;?@[-]_{}⦅-・〔〕《》])*$')) 
    str = regex.sub('', str) 
    return str