用 JS 和 Go 来实现中英文简单排版

May 20 2018 Node.js

业界最为标准的中英文排版格式，中文和英文之间加空格，中文和数字之间加空格。现在微信（安卓 6.6.2 测试版）已经支持。

2018-01-27 6 45 38

原理其实这个很简单，就是匹配相连接的中文和英文（包括数字），然后在中间加一个空格即可。接下来用 JS 和 Golang 实现。需要注意的是已经符合排版的就不需要加空格了。

匹配中文是用的 [\u4e00-\u9fa5]，一般而言的中文就都涵盖。

Go 实现

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
package main

import (
    "fmt"
    "regexp"
)

func main() {
    s := "我是渣渣辉，我是zhangjiahui，zhangjiahui 是我"
    g1 := regexp.MustCompile("([\u4e00-\u9fa5])(\\w)")
    g2 := regexp.MustCompile("(\\w)([\u4e00-\u9fa5])")
    s = g2.ReplaceAllString(g1.ReplaceAllString(s, "$1 $2"), "$1 $2")
    // 输出："我是渣渣辉，我是 zhangjiahui，zhangjiahui 是我"
    fmt.Println(s)
}

JS 实现

1
2
3
4
5
var s = "我是渣渣辉，我是zhangjiahui，zhangjiahui 是我";
const g1 = /(\w)([\u4e00-\u9fa5])/g;
const g2 = /([\u4e00-\u9fa5])(\w)/g;
// 输出："我是渣渣辉，我是 zhangjiahui，zhangjiahui 是我"
s = s.replace(g1,"$1 $2").replace(g2,"$1 $2");

这里需要注意的是大部分常用的中文都可以匹配到，因为超出了 \uffff 所以部分生僻的中文还匹配不到，可以按照需要进行扩增。JS 因为使用 UTF-16 编码，再使用的时候需要再加上 u 修饰符，例如如 /\u{20BB7}/u.test('𠮷')。

原文首发在我的 GitHub 博客

更新

看到一篇文章，JavaScript 正则表达式匹配汉字，这里需要修改一下正则，最近有一个新的 ES 提案中包含了一个 unicode 转义，语法为 \p{…}。Chrome 64 已经支持，兼容处理可以使用@babel/plugin-proposal-unicode-property-regex 和 regexpu-core 。

所以正则可以修改为 /(\p{Unified_Ideograph})(\w)/gu。

以前没接触过这个正则语法，Go 是已经支持了这种语法，所以 Go 的正则也需要改成这个。

不过我尝试了 Unified_Ideograph 这个就报错了，需要修改为 Han 就可以了。

1
2
g1 := regexp.MustCompile("(\\p{Han})(\\w)")
g2 := regexp.MustCompile("(\\w)(\\p{Han})")

更新二

上述有个问题，\w 匹配任意的字母、数字和下划线，相当于[A-Za-z0-9_]。

1
2
3
4
5
6
7
8
9
const g = /(\p{Unified_Ideograph})([A-Za-z0-9])|([A-Za-z0-9])(\p{Unified_Ideograph})/gu
let s = "apple iphone 6s是2016年由us设计在cn 的 fushikang制造"

s = s.replace(g, function (match, $1, $2, $3, $4) {
    const res = $3 && $4 ? $3 + " " + $4 : $1 + " " + $2
    return res;
})

console.log(s)

这里也改进了正则只需要使用一个，需要注意的是，那么使用替换原则的话，后面的组匹配是在第一二个匹配之后，所以要使用 $3, $4。

nodejs, golang