如何在JavaScript中提取字符串中的中文标点符号？

核心思路 #

既然中文标点数量有限（约20种），直接枚举所有目标标点构建匹配规则，是比Unicode范围匹配更简洁直观的方案，完全避开复杂的字符集范围配置。

优化后的实现代码 #

const str = "你好，让我们试试这个分词效果，你说怎么样？Let's try Intl.Segmenter, should we ?"
// 枚举常用中文标点集合，可根据需求增减
const chinesePunctuations = '，。？！；：“”‘’《》【】（）——……·、'
// 构建匹配中文标点的正则表达式
const chinesePunctRegex = new RegExp(`[${chinesePunctuations}]`, 'u')

const segmenterZH = new Intl.Segmenter('zh', { granularity: 'grapheme' })
const segments = segmenterZH.segment(str)

for (const segment of segments) {
  if (chinesePunctRegex.test(segment.segment)) {
    console.log(`${segment.index}:${segment.segment}`)
  }
}

关于补充测试的说明 #

• /\p{sc=Han}/u 专门匹配中文字符（表意文字），本身就不包含标点符号，符合预期；
• /\p{scx=Han}/u 仅能匹配《》这类明确归属中文脚本的标点，大部分中文标点（如全角逗号、问号）属于全角符号范畴，并不归属于Han脚本扩展，因此会遗漏，这个正则确实不适合用来匹配所有中文标点。

内容的提问来源于stack exchange，提问作者Qiulang