web-dev-qa-db-ja.com

Javascript + Unicode正規表現

JavaScriptでUnicode対応の正規表現を使用するにはどうすればよいですか？たとえば、\ wに似たもので、LettersまたはMarksカテゴリのコードポイント（ASCIIだけでなく）に一致し、句読点に[[P *]]のようなフィルターが必要です。等.

javascriptregexunicodecharacter-properties
196
Amit

ES 6の状況

今後のECMAScript言語仕様、エディション6には、Unicode対応の正規表現が含まれます。正規表現でu修飾子を使用してサポートを有効にする必要があります。 ES6のUnicode対応正規表現 を参照してください。

ただし、ES 6が完成し、ブラウザーベンダーの間で広く採用されるまで、あなたはまだ独力です。 更新：ES6 Unicode正規表現を同等のES5に変換する regexp という名前のトランスパイラーがあります。ビルドプロセスの一部として使用できます。 オンラインで試してみてください。

ES 5以下の状況

JavaScriptはUnicode文字列で動作しますが、Unicode対応の文字クラスを実装せず、POSIX文字クラスまたはUnicodeブロック/サブ範囲の概念はありません。

187
Tomalak

良い解決策も見つけられなかったので、私は小さな script を、Unicodeからデータをダウンロードして specification （v.5.0.0）とBMPの各Unicodeカテゴリとサブカテゴリ（最近、独自のネイティブUnicodeサポートを使用する 小さなJavaプログラム に置き換えられました）。

基本的には、\p{...}を値の範囲に変換します。これは、Tomalakが言及した tool の出力とよく似ていますが、間隔は非常に大きくなります（ブロックを処理していないため、多くの異なる場所に散らばっているキャラクター）。

たとえば、次のように書かれた正規表現：

var regex = unicode_hack(/\p{L}(\p{L}|\p{Nd})*/g);

このようなものに変換されます：

/[\u0041-\u005a\u0061-\u007a...]([...]|[\u0030-\u0039\u0660-\u0669...])*/g

実際にはあまり使用していませんが、私のテストではうまく機能しているようですので、誰かが便利だと思ったらここに投稿します。結果の正規表現の長さにもかかわらず（上記の例では展開時に3591文字）、パフォーマンスは許容できるようです（jsFiddleで tests を参照してください。@ modiXと@Lwangamanの改善に感謝します）。

source （raw、27.5KB; minified 、24.9KB、not much better ...）です。 mightユニコード文字のエスケープを解除することでサイズを小さくすることができますが、OTOHはエンコードの問題のリスクを負うため、そのままにします。 ES6では、この種のことはもう必要ないことを願っています。

Update：これは、Tim Downが言及した XRegExp Unicodeプラグイン で採用されているのと同じ戦略のように見えますが、通常のJavaScript正規表現が使用されている場合。

46
mgibsonbr

個人的には、この機能を得るためだけに別のライブラリをインストールすることは避けたいです。私の答えは外部ライブラリを必要とせず、JavaScript以外の正規表現フレーバーの変更をほとんど行わなくても動作する可能性があります。

Unicodeの website は、Unicodeカテゴリをコードポイントのセットに変換する方法を提供します。それはUnicodeのWebサイトなので、そこからの情報は正確でなければなりません。

JavaScriptはFFFF（hex）未満の文字のみを処理できるため、ハイエンド文字を除外する必要があることに注意してください。印刷できない文字の回避と正規表現のサイズの最小化のバランスをとる、Abbreviate Collat​​eおよびEscapeチェックボックスをオンにすることをお勧めします。

さまざまなUnicodeプロパティの一般的な拡張を次に示します。

\p{L}（レター）：

[A-Za-z\u00AA\u00B5\u00BA\u00C0-\u00D6\u00D8-\u00F6\u00F8-\u02C1\u02C6-\u02D1\u02E0-\u02E4\u02EC\u02EE\u0370-\u0374\u0376\u0377\u037A-\u037D\u037F\u0386\u0388-\u038A\u038C\u038E-\u03A1\u03A3-\u03F5\u03F7-\u0481\u048A-\u052F\u0531-\u0556\u0559\u0561-\u0587\u05D0-\u05EA\u05F0-\u05F2\u0620-\u064A\u066E\u066F\u0671-\u06D3\u06D5\u06E5\u06E6\u06EE\u06EF\u06FA-\u06FC\u06FF\u0710\u0712-\u072F\u074D-\u07A5\u07B1\u07CA-\u07EA\u07F4\u07F5\u07FA\u0800-\u0815\u081A\u0824\u0828\u0840-\u0858\u08A0-\u08B4\u0904-\u0939\u093D\u0950\u0958-\u0961\u0971-\u0980\u0985-\u098C\u098F\u0990\u0993-\u09A8\u09AA-\u09B0\u09B2\u09B6-\u09B9\u09BD\u09CE\u09DC\u09DD\u09DF-\u09E1\u09F0\u09F1\u0A05-\u0A0A\u0A0F\u0A10\u0A13-\u0A28\u0A2A-\u0A30\u0A32\u0A33\u0A35\u0A36\u0A38\u0A39\u0A59-\u0A5C\u0A5E\u0A72-\u0A74\u0A85-\u0A8D\u0A8F-\u0A91\u0A93-\u0AA8\u0AAA-\u0AB0\u0AB2\u0AB3\u0AB5-\u0AB9\u0ABD\u0AD0\u0AE0\u0AE1\u0AF9\u0B05-\u0B0C\u0B0F\u0B10\u0B13-\u0B28\u0B2A-\u0B30\u0B32\u0B33\u0B35-\u0B39\u0B3D\u0B5C\u0B5D\u0B5F-\u0B61\u0B71\u0B83\u0B85-\u0B8A\u0B8E-\u0B90\u0B92-\u0B95\u0B99\u0B9A\u0B9C\u0B9E\u0B9F\u0BA3\u0BA4\u0BA8-\u0BAA\u0BAE-\u0BB9\u0BD0\u0C05-\u0C0C\u0C0E-\u0C10\u0C12-\u0C28\u0C2A-\u0C39\u0C3D\u0C58-\u0C5A\u0C60\u0C61\u0C85-\u0C8C\u0C8E-\u0C90\u0C92-\u0CA8\u0CAA-\u0CB3\u0CB5-\u0CB9\u0CBD\u0CDE\u0CE0\u0CE1\u0CF1\u0CF2\u0D05-\u0D0C\u0D0E-\u0D10\u0D12-\u0D3A\u0D3D\u0D4E\u0D5F-\u0D61\u0D7A-\u0D7F\u0D85-\u0D96\u0D9A-\u0DB1\u0DB3-\u0DBB\u0DBD\u0DC0-\u0DC6\u0E01-\u0E30\u0E32\u0E33\u0E40-\u0E46\u0E81\u0E82\u0E84\u0E87\u0E88\u0E8A\u0E8D\u0E94-\u0E97\u0E99-\u0E9F\u0EA1-\u0EA3\u0EA5\u0EA7\u0EAA\u0EAB\u0EAD-\u0EB0\u0EB2\u0EB3\u0EBD\u0EC0-\u0EC4\u0EC6\u0EDC-\u0EDF\u0F00\u0F40-\u0F47\u0F49-\u0F6C\u0F88-\u0F8C\u1000-\u102A\u103F\u1050-\u1055\u105A-\u105D\u1061\u1065\u1066\u106E-\u1070\u1075-\u1081\u108E\u10A0-\u10C5\u10C7\u10CD\u10D0-\u10FA\u10FC-\u1248\u124A-\u124D\u1250-\u1256\u1258\u125A-\u125D\u1260-\u1288\u128A-\u128D\u1290-\u12B0\u12B2-\u12B5\u12B8-\u12BE\u12C0\u12C2-\u12C5\u12C8-\u12D6\u12D8-\u1310\u1312-\u1315\u1318-\u135A\u1380-\u138F\u13A0-\u13F5\u13F8-\u13FD\u1401-\u166C\u166F-\u167F\u1681-\u169A\u16A0-\u16EA\u16F1-\u16F8\u1700-\u170C\u170E-\u1711\u1720-\u1731\u1740-\u1751\u1760-\u176C\u176E-\u1770\u1780-\u17B3\u17D7\u17DC\u1820-\u1877\u1880-\u18A8\u18AA\u18B0-\u18F5\u1900-\u191E\u1950-\u196D\u1970-\u1974\u1980-\u19AB\u19B0-\u19C9\u1A00-\u1A16\u1A20-\u1A54\u1AA7\u1B05-\u1B33\u1B45-\u1B4B\u1B83-\u1BA0\u1BAE\u1BAF\u1BBA-\u1BE5\u1C00-\u1C23\u1C4D-\u1C4F\u1C5A-\u1C7D\u1CE9-\u1CEC\u1CEE-\u1CF1\u1CF5\u1CF6\u1D00-\u1DBF\u1E00-\u1F15\u1F18-\u1F1D\u1F20-\u1F45\u1F48-\u1F4D\u1F50-\u1F57\u1F59\u1F5B\u1F5D\u1F5F-\u1F7D\u1F80-\u1FB4\u1FB6-\u1FBC\u1FBE\u1FC2-\u1FC4\u1FC6-\u1FCC\u1FD0-\u1FD3\u1FD6-\u1FDB\u1FE0-\u1FEC\u1FF2-\u1FF4\u1FF6-\u1FFC\u2071\u207F\u2090-\u209C\u2102\u2107\u210A-\u2113\u2115\u2119-\u211D\u2124\u2126\u2128\u212A-\u212D\u212F-\u2139\u213C-\u213F\u2145-\u2149\u214E\u2183\u2184\u2C00-\u2C2E\u2C30-\u2C5E\u2C60-\u2CE4\u2CEB-\u2CEE\u2CF2\u2CF3\u2D00-\u2D25\u2D27\u2D2D\u2D30-\u2D67\u2D6F\u2D80-\u2D96\u2DA0-\u2DA6\u2DA8-\u2DAE\u2DB0-\u2DB6\u2DB8-\u2DBE\u2DC0-\u2DC6\u2DC8-\u2DCE\u2DD0-\u2DD6\u2DD8-\u2DDE\u2E2F\u3005\u3006\u3031-\u3035\u303B\u303C\u3041-\u3096\u309D-\u309F\u30A1-\u30FA\u30FC-\u30FF\u3105-\u312D\u3131-\u318E\u31A0-\u31BA\u31F0-\u31FF\u3400-\u4DB5\u4E00-\u9FD5\uA000-\uA48C\uA4D0-\uA4FD\uA500-\uA60C\uA610-\uA61F\uA62A\uA62B\uA640-\uA66E\uA67F-\uA69D\uA6A0-\uA6E5\uA717-\uA71F\uA722-\uA788\uA78B-\uA7AD\uA7B0-\uA7B7\uA7F7-\uA801\uA803-\uA805\uA807-\uA80A\uA80C-\uA822\uA840-\uA873\uA882-\uA8B3\uA8F2-\uA8F7\uA8FB\uA8FD\uA90A-\uA925\uA930-\uA946\uA960-\uA97C\uA984-\uA9B2\uA9CF\uA9E0-\uA9E4\uA9E6-\uA9EF\uA9FA-\uA9FE\uAA00-\uAA28\uAA40-\uAA42\uAA44-\uAA4B\uAA60-\uAA76\uAA7A\uAA7E-\uAAAF\uAAB1\uAAB5\uAAB6\uAAB9-\uAABD\uAAC0\uAAC2\uAADB-\uAADD\uAAE0-\uAAEA\uAAF2-\uAAF4\uAB01-\uAB06\uAB09-\uAB0E\uAB11-\uAB16\uAB20-\uAB26\uAB28-\uAB2E\uAB30-\uAB5A\uAB5C-\uAB65\uAB70-\uABE2\uAC00-\uD7A3\uD7B0-\uD7C6\uD7CB-\uD7FB\uF900-\uFA6D\uFA70-\uFAD9\uFB00-\uFB06\uFB13-\uFB17\uFB1D\uFB1F-\uFB28\uFB2A-\uFB36\uFB38-\uFB3C\uFB3E\uFB40\uFB41\uFB43\uFB44\uFB46-\uFBB1\uFBD3-\uFD3D\uFD50-\uFD8F\uFD92-\uFDC7\uFDF0-\uFDFB\uFE70-\uFE74\uFE76-\uFEFC\uFF21-\uFF3A\uFF41-\uFF5A\uFF66-\uFFBE\uFFC2-\uFFC7\uFFCA-\uFFCF\uFFD2-\uFFD7\uFFDA-\uFFDC]

\p{Nd}（10進数の数字）：

[0-9\u0660-\u0669\u06F0-\u06F9\u07C0-\u07C9\u0966-\u096F\u09E6-\u09EF\u0A66-\u0A6F\u0AE6-\u0AEF\u0B66-\u0B6F\u0BE6-\u0BEF\u0C66-\u0C6F\u0CE6-\u0CEF\u0D66-\u0D6F\u0DE6-\u0DEF\u0E50-\u0E59\u0ED0-\u0ED9\u0F20-\u0F29\u1040-\u1049\u1090-\u1099\u17E0-\u17E9\u1810-\u1819\u1946-\u194F\u19D0-\u19D9\u1A80-\u1A89\u1A90-\u1A99\u1B50-\u1B59\u1BB0-\u1BB9\u1C40-\u1C49\u1C50-\u1C59\uA620-\uA629\uA8D0-\uA8D9\uA900-\uA909\uA9D0-\uA9D9\uA9F0-\uA9F9\uAA50-\uAA59\uABF0-\uABF9\uFF10-\uFF19]

\p{P}（句読点）：

[!-#%-*,-/\:;?@\[-\]_\{\}\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\u2308-\u230B\u2329\u232A\u2768-\u2775\u27C5\u27C6\u27E6-\u27EF\u2983-\u2998\u29D8-\u29DB\u29FC\u29FD\u2CF9-\u2CFC\u2CFE\u2CFF\u2D70\u2E00-\u2E2E\u2E30-\u2E42\u3001-\u3003\u3008-\u3011\u3014-\u301F\u3030\u303D\u30A0\u30FB\uA4FE\uA4FF\uA60D-\uA60F\uA673\uA67E\uA6F2-\uA6F7\uA874-\uA877\uA8CE\uA8CF\uA8F8-\uA8FA\uA8FC\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]

このページは、\p{Hira}などの多くのあいまいな文字クラスも認識します。これは、単に（日本語の）ひらがな文字です：

[\u3041-\u3096\u309D-\u309F]

最後に、charクラスに複数のUnicodeプロパティをプラグインすることで、特定の設定がチェックされている限り、単に結合するよりも短い正規表現を取得できます。

43
Laurel

他の回答で述べたように、JavaScript正規表現はUnicode文字クラスをサポートしていません。ただし、これを提供するライブラリがあります：Steven Levithanの優れた XRegExp およびその nicodeプラグイン 。

30
Tim Down

ASCII文字が含まれていない任意の文字に対して[^\u0000-\u007F]+。

例えば：

function isNonLatinCharacters(s) {
    return /[^\u0000-\u007F]/.test(s);
}

console.log(isNonLatinCharacters("身分"));// Japanese
console.log(isNonLatinCharacters("测试"));// Chinese
console.log(isNonLatinCharacters("حمید"));// Persian
console.log(isNonLatinCharacters("테스트"));// Korean
console.log(isNonLatinCharacters("परीक्षण"));// Hindi
console.log(isNonLatinCharacters("מִבְחָן"));// Hebrew

完全なリファレンスを次に示します。

nicode範囲RegExpジェネレーター

nicode正規表現

nicode 10.0文字コード表

nicodeブロック範囲の一致

17
Hamid Hoseini

2019年2月：

正規表現/\p{L}/uは一致文字（ nicodeカテゴリ として）

  • Chrome68.0.3440.106およびSafari11.1.2（13605.3。 8）
  • Firefox 65.0では動作しません:(

実施例

このバグを報告します こちら 。

13
Kamil Kiełczewski

これはそれを行います：

/[A-Za-z\u00C0-\u00FF ]+/.exec('hipopótamo maçã pólen ñ poção água língüa')

ユニコード文字の範囲を明示的に選択します。ラテン文字でも機能しますが、他の奇妙な文字はこの範囲外です。

8
fiatjaf

JavaScriptでは、\ wと\ dはASCIIですが、\ sはUnicodeです。理由を聞かないでください。 JavaScriptは、Unicode対応の\ wおよび\ dをエミュレートするために使用できるUnicodeカテゴリで\ pをサポートします。

\ dには\ p {N}（数値）を使用します

\ wには[\ p {L}\p {N}\p {Pc}\p {M}]（文字、数字、アンダースコア、マーク）を使用します

更新：残念ながら、私はこれについて間違っていました。 JavaScriptも\ pを公式にサポートしていませんが、一部の実装ではこれをサポートしています。 JavaScript正規表現で唯一のUnicodeサポートは、特定のコードポイントを\ uFFFFと一致させることです。文字クラスの範囲でこれらを使用できます。

8
Jan Goyvaerts

Babel を使用している場合、 nicode support はすでに利用可能です。

また、/^\p{L}+$/のような正規表現を記述できるようにソースコードを変換するプラグインもリリースしました。これらは、ブラウザが理解できるものに変換されます。

プラグインのプロジェクトページは次のとおりです。 https://github.com/danielberndt/babel-plugin-utf-8-regex

3
Daniel

以下も使用できます。

function myFunction() {
  var str = "xq234"; 
  var allowChars = "^[a-zA-ZÀ-ÿ]+$";
  var res = str.match(allowChars);
  if(!str.match(allowChars)){
    res="true";
  }
  else {
    res="false";
  }
  document.getElementById("demo").innerHTML = res;
1
Tapan Upadhyay