正则表达式：用逗号分割英语和非英语单词？

Question

是否有任何正则表达式模式可以更改此字符串

  

这是üößñ和英语的混合字符串。 üößñüößñ是Unicode字。

到此？

  

这是一个混合字符串，üößñ和英语。，üößñüößñ，是Unicode字。

实际上，我想用逗号分隔英语单词和非英语单词。

感谢。

Answer 1

没有正则表达式可以检测特定语言中的字符串，但您可以通过使用unicode文字（例如

）来匹配一系列代码点中的字符（或不匹配）

/[\u0900-\u097F]+/

匹配一系列天城文字符。

请记住，许多语言都可以使用脚本（字符集合）。

Answer 2

当然，您可以使用\ x来过滤特定的ASCII代码范围

例如（在JavaScript中）：

var x = "This is a mix string of üößñ and English. üößñ üößñ are Unicode characters.";
x.replace(/([^\x00-\x80]+\s)+/g, function(match) { return match.slice(0,-1)+", "; } ); // matches characters outside the 0-128 ASCII range

输出：

  

这是üößñ和英语的混合字符串。 üößñüößñ是Unicode字符。

我相信另一个正则表达式精明的人可以进一步优化，但这是我能想到的最好的一半清醒：）

Answer 3

的javascript

/（（？：\ [^ \ w \ d] +）+）/ g

'这是üößñ和英语的混合字符串。 üößñüößñ是Unicode字。'。replace（/（（？：\ [^ \ w \ d] +）+）/ g，'，$ 1，'）

这是一个混合字符串，üößñ和英语。，üößñüößñ，是Unicode字。

标记

Answer 4

    String s = "This is a mix string of üößñ and English. üößñ üößñ are Unicode words.";
    System.out.println(s.replaceAll("((?: ?[\\p{L}&&[^A-Za-z]]+)+)", ",$1,"));

Unicode脚本定义了约45 different language个脚本。以上只是检测不在ASCII范围内的任何unicode。