2011-09-28 34 views
18

Ho bisogno di un'espressione regolare da abbinare a tutti i segni di punteggiatura, come lo standard [,! @ # $%^& *()], ma include marchi internazionali come il punto interrogativo spagnolo capovolto, periodi cinesi, ecc. Il mio google-fu si sta avvicinando. Qualcuno ha una tale espressione regolare a portata di mano che è compatibile con Javascript?Espressione regolare Javascript per la punteggiatura (internazionale)?

+1

Considerando la cattiva regex e il supporto Unicode di Javascript, non penso ci sia altro che elencare tutti i caratteri che vuoi includere. – NullUserException

+4

PS: Quando è stato fatto "@ # $%^& *" diventano segni di punteggiatura? – NullUserException

+1

da quando sono comparsi due occhi alla fine di un nome :-) – RHT

risposta

7

Se è possibile utilizzare un plug-in, è disponibile un plug-in per JavaScript: XRegExp Unicode plugins. Questo aggiunge il supporto per le categorie, gli script e i blocchi Unicode (personalmente ho letto solo su di esso, non l'ho mai usato).

Con questo plug-in dovrebbe essere possibile utilizzare categorie Unicode come \p{P} come spiegato allo regular-expressions.info.

Aggiornamento: OK, l'ho provato e sembra funzionare correttamente.

È necessario ottenere la libreria da XRegExp e in aggiunta i plug-in Unicode Base e Unicode Category (collegati in alto).

<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> 

Gli avvisi di cui sopra true. Ho incluso una punteggiatura spagnola e cinese nella mia stringa di prova, "?.,;!¡¿。、·".

+0

Questo sembra piuttosto promettente, anche se sono sempre riluttante a gonfiare la mia app Javascript con un'altra libreria. Controllerò di nuovo quando confermerò che funziona per il mio scopo. –

+0

Grazie. Ecco un JSBin del codice (scorri verso il basso e vedi anche la console di Chrome) http://jsbin.com/uFiNeDOn/3/edit?js,console –

2

Beh ... idk quanto esteso sarebbe, ma è possibile utilizzare questo:

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

L'unica cosa a riguardo è che il carattere '_' è incluso in' \ w' . Inoltre, le lettere unicode (come 'ö') possono essere accettate come falsi positivi? – sdleihssirhc

+2

'\ s' include sia' \ n' che '\ t', e questo corrisponderebbe anche a caratteri di parole non ASCII, caratteri di controllo, caratteri di valuta e altri caratteri non di punteggiatura. –

+0

Altri caratteri Unicode che vengono inclusi come falsi positivi sono il mio attuale problema principale: immagino che un problema equivalente per me sia trovare una buona espressione regolare che è l'equivalente internazionale di \ w (e quindi \ W) –

2

tuo regex sarebbe simile ...

/[,[email protected]#$%^&*()\u9999]/ 

Dove si sostituisce ogni \u9999 con il codice Unicode per gli altri caratteri di punteggiatura.

Se si potesse trovare un gruppo in una gamma, si potrebbe specificare che con l'operando - gamma, per esempio \u9990-\u9999.

Per quanto ne so non è possibile utilizzare qualcosa come \pP in regex JavaScript.

+0

Non avresti bisogno di fare singoli caratteri - puoi ancora fare intervalli come '[\ u9000- \ u9999]' (questo è un esempio di sintassi, non ho idea di quali caratteri potrebbe rappresentare). –

+1

@PeterBoughton: l'ho appena modificato :) – alex

6

Aggiunta alla risposta di @ stema (https://stackoverflow.com/a/7578937/114140) ... ecco la regex come stringa (quindi non è necessario ingrandire il progetto con XRegExp).

!-#%-\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 

Ho usato questo nel mio progetto con alcune aggiunte ...

// 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

Per Python questo regex da rimuovere dal inizio e la fine di qualsiasi tipo di segni di punteggiatura:

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