Я использую два регулярных выражения для соответствия тексту.Match Regular Expression German Languange
var RegExp = /[^\W\d](\w|[-'](?=\w))*/gi;
var RegExpOthers = /[^\W\d]{4,}(\w|[-']{1,2}(?=\w))*/gi;
В настоящее время нет слов, содержащих буквы, как ä, ü, ö ... (немецкого алфавита) не будет соответствовать.
Как продлить эти выражения?
Это следует сделать это:
[^\x00-\x7F]+
Это соответствует любому символу, который не содержится в ASCII character set (0-127, то есть от 0x0 до 0x7F). Вы можете сделать то же самое с Unicode:
[^\u0000-\u007F]+
Я пробовал это ... Если я использую выражение var RegExp =/[^ \ W \ d] + [^ \ x00- \ x7F] (? \ ш | [- '] (= \ ш)) */г; он возвращается для строки «der schöne baum ist schön» только «schön» и «schöne» – mm1975
Вы можете добавить все возможные персонажи – AvrilAlejandro
полный список [немецкий символ] (http://homepages.rootsweb.ancestry.com/~george /ansi_ascii_character_chart.html) – AvrilAlejandro
Это предмет Unicode символов.
Что происходит, так это то, что ä, ü, ö.. в вашем примере - это не одна буква, а 2, потому что тильда также считается символом. Это приводит к множеству сложностей и правил, которые необходимо соблюдать, чтобы соответствовать правилам Unicode.
Вы могли бы сделать что-то вроде: ([\x{0049}-\x{0130}]) встретить, например я с тильды, но это выражение может изменяться в зависимости, если вы собираетесь использовать это выражение на .net, Java, JavaScript или PHP.
Вы также можете проверить, какой код каждый символ представляет здесь:
http://www.fileformat.info/info/unicode/char/search.htm?q=%C4%B0&preview=entity
возможно дубликат [Regex для Умляута] (http://stackoverflow.com/questions/22017723/regex-for-umlaut), а также [Javascript + Unicode regexes] (http://stackoverflow.com/questions/280712/javascript-unicode-regexes) – apsillers