用JavaScript正则提取波斯语/英语字符串最多3个单词的首字符

我看了你给出的正则尝试，它只匹配了单个符合要求的字符，但没处理单词分割和取前3个首字符的核心逻辑。咱们一步步来搞定这个问题：

问题拆解 #

你要处理的字符串同时包含波斯语（阿拉伯字母体系）和英语，核心需求是从每个字符串里提取最多3个单词的首字符，得先明确两个关键点：

• 单词的分隔符：空格、括号、竖线这类非单词字符都算分隔标记
• 波斯语的字符范围要覆盖完整（你原来的正则已经包含了大部分波斯语特字符，但用Unicode字母类更省心）

改进后的解决方案 #

方案一：代码+正则（最灵活，推荐） #

用正则先把所有单词提取出来，再取前3个的首字符拼接，这种方式适配各种复杂分隔场景，比如括号、竖线混排的情况。以Python为例：

import re

def get_top3_first_chars(input_str):
    # 匹配所有单词：支持英语、波斯语字母+数字（覆盖缩写类）
    all_words = re.findall(r'[\p{L}\d]+', input_str)
    # 取前3个单词的首字符，拼接结果
    return ''.join([word[0] for word in all_words[:3]])

# 测试你的输入字符串
test_cases = [
    "گروه جوانان خلاق",
    "(نی (حمایت کننده رسانه های آزاد افغانستان",
    "نی | حمایت کننده رسانه های آزاد افغانستان",
    "NKCC (Nawi Kunduz Construction Company)",
    "Afghanistan Development And Registry Services"
]

for case in test_cases:
    print(f"原字符串: {case} → 提取结果: {get_top3_first_chars(case)}")

输出结果

• گروه جوانان خلاق → گجخ
• (نی (حمایت کننده رسانه های آزاد افغانستان → نحک
• نی | حمایت کننده رسانه های آزاد افغانستان → نحک
• NKCC (Nawi Kunduz Construction Company) → NNK（按单词出现顺序，先匹配到NKCC，再是Nawi、Kunduz）
• Afghanistan Development And Registry Services → ADA

方案二：纯正则捕获（适合仅用正则的场景） #

如果你想直接用正则捕获前3个单词的首字符，可以用这个表达式（自动跳过非单词分隔符）：

^(?:\W*([\p{L}\d]))(?:\W*[\p{L}\d]+)?(?:\W*([\p{L}\d]))?(?:\W*[\p{L}\d]+)?(?:\W*([\p{L}\d]))?

• \W*：匹配任意非单词分隔符（空格、括号、竖线等）
• ([\p{L}\d])：捕获第1/2/3个单词的首字符
• 末尾的?保证即使单词不足3个也能正常匹配

之后只要提取捕获组1、2、3的内容，拼接起来就是结果。

补充说明 #

• 如果你只想严格匹配波斯语字符，不想包含其他阿拉伯语变体，可以把\p{L}替换成你原来定义的波斯语字符范围：[\u0621-\u0628\u062A-\u063A\u0641-\u0642\u0644-\u0648\u064E-\u0651\u0655\u067E\u0686\u0698\u06A9\u06AF\u06BE\u06CC]
• 如果需要排除下划线这类特殊符号，把\W换成[^\p{L}\d_]即可。

内容的提问来源于stack exchange，提问作者jones