为什么这个正则表达式对德语单词无法工作？
为什么这个正则表达式对德语单词无法工作？
我试图将以下句子分解成单词，并将它们用标签包裹起来。
我按照以下方式操作：
$('p').each(function() {
var $this = $(this);
$this.html($this.text().replace(/\b(\w+)\b/g, "$1"));
});
唯一的问题是，在将单词用标签包裹后，结果的HTML看起来像这样：
Das ist ein schönes Armband
所以，"schönes" 被拆分为三个单词 "sch"、"ö" 和 "nes"。为什么会发生这种情况？正确的正则表达式是什么？
为什么这个正则表达式不能匹配德语单词？
问题原因：这个正则表达式 \w 只能匹配 A-Z、a-z、0-9 和下划线。对于包括如 ö 在内的非 ASCII 字符，它无法匹配。
解决方法：可以使用类似 \S+ 的表达式来匹配所有非空格字符，包括非 ASCII 字符。这可能会或可能不会成功，具体取决于字符串的其余格式。
参考链接：http://www.javascriptkit.com/javatutors/redev2.shtml
修正后的代码应为：$this.text().replace(/\b(\S+)\b/g, "<span>$1</span>")
注意：与 \w+ 不同，\S+ 还会匹配单词末尾的句点、逗号等标点符号。因此，如果使用这个正则表达式解析这个评论，第一个匹配项将是 "Note:" 而不是 "Note"。如果不希望这样，您需要调整您的正则表达式或执行其他检查。
为什么这个正则表达式不能匹配德语单词？
问题出现的原因是Javascript的正则表达式中的\w、\d和\b快捷方式不支持Unicode。这是Java和Javascript中的一个bug，这个限制在21世纪是没有意义的。Javascript也不支持任何Unicode属性。
解决方法是，可以使用\pL代替\w来匹配任何具有Unicode General_Category=Letter属性的字符，这样可以模拟一个正确的\w。在Java中可以使用[\pL\p{Nd}_]来实现，但是在Javascript中似乎没有这个解决方法。另外，Ruby、Python、Perl和PCRE都提供了扩展\w的方法，但是Javascript没有。
Java目前只支持一到两个字符的常见属性，如\pN和\p{Lu}，不支持像\p{IsGreek}这样的脚本属性。未来的JDK7将会添加脚本属性，但是仍然不支持大多数Unicode属性。
相比之下，Perl对Unicode属性的支持非常丰富，Java和Javascript都远远不及。Javascript几乎不支持任何Unicode属性，这使得它在处理Unicode时几乎无法使用。
，Javascript的正则表达式不支持Unicode属性，导致无法正确匹配德语单词。解决方法是使用其他语言或者使用Java的\pL来模拟\w。