Biểu thức chính quy Javascript cho dấu chấm câu (quốc tế)?

Question

Tôi cần cụm từ thông dụng để khớp với tất cả các dấu chấm câu, chẳng hạn như tiêu chuẩn [,! @ # $%^& *()], nhưng bao gồm các dấu hiệu quốc tế như dấu chấm hỏi Tây Ban Nha, thời Trung Quốc, v.v. Google-fu của tôi sắp xuất hiện. Có ai có một biểu hiện thường xuyên trên tay đó là tương thích với Javascript?

Answer 1

Nếu bạn có thể sử dụng plugin, có plugin cho JavaScript: XRegExp Unicode plugins. Điều đó cho biết thêm hỗ trợ cho các loại Unicode, kịch bản, và các khối (cá nhân tôi chỉ đọc về nó, tôi không bao giờ sử dụng nó).

Với plugin này, bạn có thể sử dụng các danh mục Unicode như \p{P} như được giải thích tại regular-expressions.info.

Cập nhật: OK, tôi đã thử nghiệm và dường như hoạt động tốt.

Bạn cần tải lib từ XRegExp và bổ sung các plugin Unicode Base và Unicode Category (được liên kết ở trên).

<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> 

Các cảnh báo trên true. Tôi đã bao gồm một số dấu câu tiếng Tây Ban Nha và tiếng Trung trong chuỗi thử nghiệm của mình, "?.,;!¡¿。、·".

Answer 2

Vâng ... idk cách mở rộng nó sẽ được, nhưng bạn có thể sử dụng này:

[^\w\s\n\t] 

Answer 3

regex của bạn sẽ trông giống như ...

/[,!@#$%^&*()\u9999]/ 

đâu bạn thay thế mỗi \u9999 với bảng mã Unicode cho các ký tự dấu câu khác.

Nếu bạn có thể tìm thấy một nhóm trong phạm vi , bạn có thể chỉ định rằng với toán hạng phạm vi -, ví dụ: \u9990-\u9999.

Theo như tôi biết, bạn không thể sử dụng một cái gì đó như \pP trong các biểu thức JavaScript.

Answer 4

Thêm vào câu trả lời của @ stema (https://stackoverflow.com/a/7578937/114140) ... đây là regex dưới dạng chuỗi (vì vậy bạn không cần phải làm cho dự án của bạn bị xáo trộn bằng XRegExp).

!-#%-\x2A,-/:;\x3F@\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 

tôi đã sử dụng này trong dự án của riêng tôi với một số bổ sung ...

// 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,-/:;\x3F@\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 

Answer 5

Đối với Python regex này để loại bỏ ngay từ đầu và kết thúc bất kỳ loại dấu chấm câu:

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