关于javascript:ES9五-Unicode-Property-Escapes

目录

• Unicode Property
• Unicode Script
• Unicode Block
• ES6-ES10 学习幅员

理解这个新的知识点，须要对文本的编码十分相熟，不然意识不到这个性能的意义。对于文本的编码须要理解两个概念：字符编码 和文件编码。

• 字符编码包含 ASCII 和 Unicode
• 文件编码包含 UTF-8、GBK等。

字符编码和文件编码的关系能够用一句话来概括：文件编码和字符编码没有关系，也就是说即便指定了文件编码，字符变也能够灵便抉择而不受任何限度。

依据 Unicode 标准，每一个 Unicode 字符除了有惟一的码点，还具备其它属性:

• Unicode Property
• Unicode Script
• Unicode Block

这些个别用在正则外面。

Unicode Property

它依照字符的性能对字符进行分类，一个字符只能属于一个 Unicode Property。也就是说 Property 并不关怀字符所属的语言，只关怀字符的性能。

能够将Unicode property 了解为字符组，将小写 p 改成大写，就是该字符组的排除型字符组。想想看 \\d 匹配 0-9 这个字符组，而 \\D 匹配 0-9 以外的字符组。

let input = 'abcdAeCd 中国'
console.log(input.match(/\p{L}/ug))
// ["a", "b", "c", "d", "A", "e", "C", "d", "中", "国"]

这段代码的含意是在输出中匹配所有的字符（不限语言），这里应用的是 Unicode Property：{L}，这个属性的含意是任何语言的任何字母。它有点等同于

let input = 'abcdAeCd 中国'
console.log(input.match(/./sg))

• {Ll} [任何具备大写字母的小写字母]
• {N} [任何语言下的数字]

更多的 Unicode Property 请查阅 官网

Unicode Script

依照字符所属的书写零碎来划分字符，它个别对应某种语言。比方 \\p{Script=Greek} 示意希腊语，\\p{Script=Han} 示意汉语。

匹配下列字符串中的中文

let input = `I'm chinese! 我是中国人 `
console.log(input.match(/\p{Script=Han}+/u))
// ["我是中国人", index: 12, input: "I'm chinese! 我是中国人 ", groups: undefined]

如果不实用这个新性能点，在 ES9 之前大略只能这样做：

let input = `I'm chinese! 我是中国人 `
console.log(input.match(/[\u4e00-\u9fa5]+/))
// ["我是中国人", index: 12, input: "I'm chinese! 我是中国人 ", groups: undefined]

尽管不同的写法看上去后果一样，然而时光飞逝，Unicode 在 2017 年 6 月公布了 10.0.0 版本。在这 20 年间，Unicode 增加了许多汉字。比方 Unicode 8.0 增加的 109 号化学元素「鿏（⿰⻐麦）」，其码点是 9FCF，不在这个正则表达式范畴中。而如果咱们冀望程序里的 /[\\u4e00-\\u9fa5]/ 能够与时俱进匹配最新的 Unicode 规范，显然是不事实的事件。当初只须要在 Unicode Scripts 找到对应的名称即可，而不须要本人去计算所有对应语言字符的的 Unicode 范畴。

Unicode Block

将 Unicode 字符依照编码区间进行划分，所以每一个字符都只属于一个 Unicode Block，举例说明：

• \\p{InBasic_Latin}: U+0000–U+007F
• \\p{InLatin-1_Supplement}: U+0080–U+00FF
• \\p{InLatin_Extended-A}: U+0100–U+017F
• \\p{InLatin_Extended-B}: U+0180–U+024F

目前 JavaScript RegExp 还不反对 Unicode Block

ES6-ES10 学习幅员