文本匹配不适用于阿拉伯语问题可能是由于阿拉伯语的正则表达式

我一直在努力为我的多语言网站添加function，我必须突出显示匹配的标记关键字。

此function适用于英语版本，但不适用于阿拉伯语版本。

我在jsFiddle上设置了样本

示例代码

function HighlightKeywords(keywords) { var el = $("#article-detail-desc"); var language = "ar-AE"; var pid = 32; var issueID = 18; $(keywords).each(function() { // var pattern = new RegExp("("+this+")", ["gi"]); //breaks html var pattern = new RegExp("(\\b"+this+"\\b)(?![^)", ["gi"]); //looks for match outside html tags var rs = "$1"; el.html(el.html().replace(pattern, rs)); }); } HighlightKeywords(["you","الهدف","طهران","سيما","حاليا","Hello","34","english"]); //Popup Tooltip for article keywords $(function() { $("#article-detail-desc").tooltip({ position: { my: "center bottom-20", at: "center top", using: function( position, feedback ) { $( this ).css( position ); $( "
" ) .addClass( "arrow" ) .addClass( feedback.vertical ) .addClass( feedback.horizontal ) .appendTo( this ); } } }); }); 

我将关键字存储在数组中，然后将它们与特定div中的文本进行匹配。

我不确定是由于Unicode还是什么问题。 在这方面的帮助表示赞赏。

Answer 1

这个答案有三个部分

1. 为什么它不起作用

2. 一个如何用英语接近它的例子（意在被一个有阿拉伯语线索的人改编成阿拉伯语）

3. 一个人（我）做阿拉伯语版本的一个人，他没有关于阿拉伯语的线索:-)

为什么它不起作用

至少部分问题在于你依赖于\b断言 ，它（与其对应的\B ， \w和\W ）是以英语为中心的。 你不能在其他语言中依赖它（甚至，真的，用英语 – 见下文）。

这是规范中\b的定义：

生产Assertion :: \ b通过返回一个内部AssertionTester闭包进行求值，该闭包采用State参数x并执行以下操作：

• 设e是x的endIndex 。
• 调用IsWordChar(e–1)并将a作为Boolean结果。
• 调用IsWordChar(e)并将b作为Boolean结果。
• 如果a为true且b为false ，则返回true 。
• 如果a为false且b为true ，则返回true 。
• 返回false 。

…其中IsWordChar进一步定义为基本上意味着这63个字符中的一个：

  abcdefghijklmnopqrstu vwxyz
 ABCDEFGHIJKLMNOPQRSTU VWXYZ
 0 1 2 3 4 5 6 7 8 9 _ 

例如，大写或小写的26个英文字母a到z ，数字0到9和_ 。 （这意味着你甚至不能依赖英语中的\b ， \B ， \w或\W ，因为English有像“Voilà”这样的借词，但这是另一个故事。）

第一个使用英语的例子

您将不得不使用不同的机制来检测阿拉伯语中的单词边界。 如果你能想出一个包含构成单词的所有阿拉伯语“代码点”（如Unicode所示）的字符类，你可以使用类似这样的代码：

 var keywords = { "laboris": true, "laborum": true, "pariatur": true // ...and so on... }; var text = /*... get the text to work on... */; text = text.replace( /([abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789_]+)([^abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789_]+)?/g, replacer); function replacer(m, c0, c1) { if (keywords[c0]) { c0 = '' + c0 + ''; } return c0 + c1; } 

注意事项：

• 我用类[abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ]来表示“一个单词字符”。 显然你必须为阿拉伯语改变这一点（显着）。
• 我使用类[^abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ]来表示“不是单词字符”。 这与前一个类一样，在开始时使用否定（ ^ ）。
• 正则表达式使用捕获组（ (...) ）查找任何一系列“单词字符”，后跟一系列可选的非单词字符。
• String#replace使用匹配的全文调用replacer函数，后跟每个捕获组作为参数。
• replacer函数在keywords map中查找第一个捕获组（单词），以查看它是否为关键字。 如果是这样，它将它包裹在一个锚中。
• replacer函数返回可能包装的单词加上它后面的非单词文本。
• String#replace使用replacer的返回值来替换匹配的文本。

以下是完成此操作的完整示例： Live Copy | 直播来源

        
Lorem ipsum dolor sit amet, consectetur adipisicing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation ullamco laboris nisi ut aliquip ex ea commodo consequat. Duis aute irure dolor in reprehenderit in voluptate velit esse cillum dolore eu fugiat nulla pariatur. Excepteur sint occaecat cupidatat non proident, sunt in culpa qui officia deserunt mollit anim id est laborum.
     

用阿拉伯语做这件事

我抓了阿拉伯语版本。 根据维基百科上的Unicode页面中的阿拉伯语脚本，使用了几个代码范围，但是您的示例中的所有文本都属于U + 0600到U + 06FF的主要范围。

这就是我提出的： 小提琴 （我更喜欢JSBin，我上面使用的，但是我无法让文本以正确的方式出现。）

 (function() { // Our keywords. There are lots of ways you can produce // this map, here I've just done it literally var keywords = { "الهدف": true, "طهران": true, "سيما": true, "حاليا": true }; // Loop through all our paragraphs (okay, so we only have two) $("p").each(function() { var $this, text; // We'll use jQuery on `this` more than once, // so grab the wrapper $this = $(this); // Get the text of the paragraph // Note that this strips off HTML tags, a // real-world solution might need to loop // through the text nodes rather than act // on the full text all at once text = $this.text(); // Do the replacements // These character classes just use the primary // Arabic range of U+0600 to U+06FF, you may // need to add others. text = text.replace( /([\u0600-\u06ff]+)([^\u0600-\u06ff]+)?/g, replacer); // Update the paragraph $this.html(text); }); // Our replacer. We define it separately rather than // inline because we use it more than once function replacer(m, c0, c1) { // Is the word in our keywords map? if (keywords[c0]) { // Yes, wrap it c0 = '' + c0 + ''; } return c0 + c1; } })(); 

我在上面的英语function中所做的就是：

• 使用[\u0600-\u06ff]为“单词字符”， [^\u0600-\u06ff]为“不是单词字符”。 您可能需要添加此处列出的一些其他范围（例如相应的数字样式），但同样，示例中的所有文本都属于这些范围。
• 从您的示例中将关键字更改为您的三个（其中只有两个似乎在文本中）。

对于我非常非阿拉伯语的阅读眼睛，它似乎有效。