Ко дню рождения Далай-ламы07.07.2016 17:33

Вчера я шёл куда-то по городу и вдруг задумался, как можно реализовать на JavaScript деление строки по символам при помощи регулярного выражения и с полным учётом Юникода.

После перехода от Perl к JavaScript много лет тому назад, я всё испытывал за свой новый язык некоторый комплекс неполноценности из-за недостаточной поддержки Юникода. За всё то время, пока JavaScript совершал в этом направлении свой большой скачок (при переходе от ES5 к ES6), у меня в закладках осталось несколько хороших статей.

The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)
JavaScript has a Unicode problem
Unicode-aware regular expressions in ECMAScript 6
ES6 Strings (and Unicode,) in Depth

В последней из них предлагался рецепт разбиения строки на символы с учётом Юникода при помощи нового оператора ... Например (хабровский парсер не даёт почему-то ввести этот пример кодом, заменяет мультибайтовые символы на пустые строки):

508fbff9de6a46fbbc9811a074048ec5.png

И вот я вчера задумался, можно ли реализовать то же самое при помощи новых регулярных выражений. В голову пришла простая идея, которая на поверку оказалась верна:

1803bd75d0824d1da50bc38649fef435.png

Сегодня я внезапно понял, что вчера как раз был день рождения Далай-ламы. Поэтому мне показалось, что завершить эту заметку можно небольшой шуткой на JavaScript в честь виновника торжества.

const nothingness = /[^]{0}/;
const nothing = '';

console.log(nothing.search(nothingness));
// 0
console.log(nothing.match(nothingness));
// [ '', index: 0, input: '' ]
console.log(nothing.split(nothingness));
// []
console.log(nothing.replace(nothingness, nothing));
// ''
console.log(nothingness.test(nothing));
// true

3644dfa2ab8f477196a303df118df193.jpg

Комментарии (5)

  • 7 июля 2016 в 15:47

    0

    ↑

    ↓

    Unicode — это нечто просто.

    Достоинство у него единственное — он таки действительно содержит всё. Дальше остаются только недостатки. Доступ по индексу за O (n) — пожалуй, самый видный невооружённым взглядом, хотя вообще говоря их сильно больше.

    • 7 июля 2016 в 15:50

      0

      ↑

      ↓

      Ну, пока ещё не всё. Но Emoji — значительный шаг ко всему)

      • 7 июля 2016 в 15:57

        0

        ↑

        ↓

        Ну, как бы, этих самых эмодзи было не избежать, они же есть в какой-то японской кодировке, придуманной NTT.

    • 7 июля 2016 в 16:22

      0

      ↑

      ↓

      Строго говоря доступ по индексу к юникоду не имеет прямого отношения.
      Полагаю вы подразумевали конкретный способ представления — utf-8.
      Ничто не мешает вам использовать UTF-32. Получите константный доступ по индексу.

      • 7 июля 2016 в 16:53

        0

        ↑

        ↓

        >>Ничто не мешает вам использовать UTF-32

        И кто его поддерживает? Никто его не поддерживает.

        Да и в UTF32 можно забодяжить линейный доступ если злоупотреблять «безногими» конструкциями.

© Habrahabr.ru