正则表达式与西里尔字母

我有一个jQuery函数用于textarea字段中的字数统计。 此外，它排除了所有单词，这些单词在[[[tripple bracket]]]中关闭。 它适用于拉丁字符，但它有西里尔语句子的问题。 我想这个错误部分与正则表达式有关：

$(field).val().replace(/\[\[\[[^\]]*\]\]\]/g, '').match(/\b/g); 

两种短语的示例： http ： //jsfiddle.net/A3cEG/2/

我需要统计所有的单词，包括cirillic表达式，而不仅仅是拉丁语中的单词。 怎么做？

Answer 1

JavaScript（至少是最广泛使用的版本）不完全支持Unicode。 也就是说， \w仅匹配拉丁字母，十进制数字和下划线（ [a-zA-Z0-9_] ）， \b匹配单词字符和非单词字符之间的边界。

要使用Latin或Cyrillic查找输入字符串中的所有单词，您必须执行以下操作：

 .match(/[\wа-я]+/ig); // where а is the Cyrillic а. 

或者如果您愿意：

 .match(/[\w\u0430-\u044f]+/ig); 

当然，这可能意味着您需要稍微调整一下代码，因为这里它将匹配所有单词而不是单词边界。 请注意， [а-я]匹配“基本西里尔字母”中的任何字母，如此处所述。 要匹配此范围之外的字母，您可以根据需要修改字符集以包含这些字母，例如也匹配俄语Ё/ё，使用[а-яё] 。

另请注意，您的三支架模式可以简化为：

 .replace(/\[{3}[^]]*]{3}/g, '') 

或者，您可能希望查看XRegExp项目 – 这是一个开源项目，用于向基本JavaScript正则表达式引擎及其Unicode插件添加新function。