JavaScript正则表达式以匹配单词边界和发音符号

我必须在文本文档中匹配单词边界，以匹配带有变音符号的单词。给定一个

word

标记，我的正则表达式看起来像

var wordRegex = new RegExp("\\b(" + word + ")\\b", "g");
while ((match = wordRegex.exec(text)) !== null) {
                            if (match.index > (seen.get(token) || -1)) {
                                var wordStart = match.index;
                                var wordEnd = wordStart + token.length - 1;
                                item.characterOffsetBegin = wordStart;
                                item.characterOffsetEnd = wordEnd;

                                seen.set(token, wordEnd);
                                break;
                            }
                        }

这适用于普通单词，如

ciao

，

casa

，但当我在文本中有

però

，

così

等单词时，它将不起作用

const seen=new Map（）；
var text=“Ci son macchine nascoste e，però，nascoste male”
变量标记=文本分割（/[a-zA-Z0-9è
tokens.forEach（（token，tokenIndex）=>{
变量项={
“索引”：（令牌索引+1），
“字”：代币
}
var-escaped=token.replace（/[\-\[\]{}（）*+？，\\\^$\\\\s]/g，“\\$&”）；
var wordRegex=newregexp（“\\b（“+escaped+”）\\b”，“g”）；
var match=null；
console.log（令牌“--->”，wordRegex）
while（（match=wordRegex.exec（text））！==null）{
console.log（“\t-->”，match.index）
if（match.index>（seen.get（token）| |-1））{
var wordStart=match.index；
var wordEnd=wordStart+token.length-1；
item.characterOffsetBegin=wordStart；
item.characterOffsetEnd=wordEnd；
seen.set（令牌，wordEnd）；
打破
}
}
})

这是我们在注释中提出的解决方案，用于将具有变音符号的单词映射到文本中的索引：

function removeDiacritics（文本）{
返回去毛刺（文本）
}
const seen=新映射（）；
var text=“Ci son macchine nascoste e，però，nascoste male”
变量标记=文本分割（/[a-zA-Z0-9è
var normalizedText=远程视频点评（文本）
tokens.forEach（（token，tokenIndex）=>{
变量项={
“索引”：（令牌索引+1），
“单词”：移除的语音符号（标记）
}
var-escaped=token.replace（/[\-\[\]{}（）*+？，\\\^$\\\\s]/g，“\\$&”）；
转义=removeDiacritics（转义）
var wordRegex=newregexp（“\\b（“+escaped+”）\\b”，“g”）；
var match=null；
console.log（令牌“--->”，wordRegex）
while（（match=wordRegex.exec（normalizedText））！==null）{
console.log（“\t-->”，match.index）
if（match.index>（seen.get（token）| |-1））{
var wordStart=match.index；
var wordEnd=wordStart+token.length-1；
item.characterOffsetBegin=wordStart；
item.characterOffsetEnd=wordEnd；
seen.set（令牌，wordEnd）；
打破
}
}
})

---

这可能对您的具体情况没有帮助，但在执行regex:.@AndrewA.谢谢，这是一个问题：问题是在

去毛刺后，为了与文本中的原始字符串匹配，可能需要去除“word”输入的毛刺。“让我试试。”安德烈瓦。所以问题当然是
deburr（'però'）
将变成
pero
。之后正则表达式将不匹配。这里是lodash之外的去毛刺函数：我认为如果你也去毛刺正则表达式本身，它可以工作，你仍然可以在这个例子中看到带变音符号的原始单词：。这就是你要找的吗？@AndrewA。它可以工作！谢谢，请张贴你的答案。如果有任何关于正则表达式的答案，你的答案就是！