如何在JavaScript中用正则表达式匹配非英文单词？

核心问题原因 #

\w 正则元字符默认仅匹配 ASCII 范围内的字母、数字和下划线（即 [a-zA-Z0-9_]），无法识别其他语言的 Unicode 字母，所以对印地语这类非英文文本无效。

解决方案：使用 Unicode 属性类 #

正则引擎支持 Unicode 属性的情况下，用以下方式匹配任意语言的单词：

1. 通用匹配所有语言字母
   使用 \p{L} 匹配任意 Unicode 字母（涵盖全球几乎所有语言的字符），结合 + 匹配一个或多个连续字母：

^(\p{L}+)

2. 精准匹配特定语言脚本
   如果只针对印地语（天城文脚本），可以用 \p{Devanagari} 精准匹配该脚本的字符，避免匹配其他语言：

^(\p{Devanagari}+)

代码示例 #

Python（Python 3 正则默认支持 Unicode）

import re
text = "क्या आप क्लोज़अप करते हैं "
result = re.match(r'^(\p{L}+)', text)
print(result.group(1))  # 输出：क्या

JavaScript（需添加 u 标志启用 Unicode 模式）

const text = "क्या आप क्लोज़अप करते हैं ";
const match = text.match(/^(\p{L}+)/u);
console.log(match[1]); // 输出：क्या

注意事项 #

• 确保使用的正则引擎支持 Unicode 属性类（主流语言如 Python、JavaScript、Java、C# 均支持，部分老旧工具可能不兼容）。
• 如果目标单词包含连字符、变音符号等特殊字符，可以扩展正则，比如加入 \p{M}（匹配变音符号）、\-等，例如：^(\p{L}\p{M}*-?)+。

内容的提问来源于stack exchange，提问作者Real Noob