javascript中截断单词的功能（学习dojo的代码）

Question

“截断单词”将获取一串单词并仅返回第一个单词，比如说 10 个单词。

在dojo（javascript库）中他们有这样一个功能，其代码是这样的：

truncatewords: function(value, arg){
    // summary: Truncates a string after a certain number of words
   // arg: Integer
   //              Number of words to truncate after
   arg = parseInt(arg);
   if(!arg){
           return value;
   }

   for(var i = 0, j = value.length, count = 0, current, last; i < value.length; i++){
           current = value.charAt(i);
           if(dojox.dtl.filter.strings._truncatewords.test(last)){
                   if(!dojox.dtl.filter.strings._truncatewords.test(current)){
                           ++count;
                           if(count == arg){
                                   return value.substring(0, j + 1);
                           }
                   }
           }else if(!dojox.dtl.filter.strings._truncatewords.test(current)){
                   j = i;
           }
           last = current;
   }
   return value;
}

其中dojox.dtl.filter.strings._truncatewords. 是/(&.*?;|<.*?>|(\w[\w-]*))/g

为什么不是这样写的：

function truncate(value,arg) {
    var value_arr = value.split(' ');
    if(arg < value_arr.length) {
        value = value_arr.slice(0,arg).join(' '); }
    return value;
}

又有什么区别？

Answer 1

您的拆分应考虑到任何空白字符序列都是单词分隔符。您应该拆分像\s+ 这样的正则表达式。

但除此之外，dojo 的代码似乎也将实体和 xml 标签作为单词。如果你知道你的字符串中没有这样的东西，你的实现可能会成功。请注意，您的切片不会超出找到的单词数，这可能需要稍作检查。

Answer 2

您正在查看的代码来自 dtl 库，该库用于支持 django 模板语言。 (http://www.dojotoolkit.org/book/dojo-book-0-9/part-5-dojox/dojox-dtl)。我确信其中的代码不仅仅是为了进行直接的字符串拆分，而是解析他们正在使用的模板。

另外，看看那个正则表达式，他们处理的场景不仅仅是空格......例如， <.> 将导致包含在开始和结束标签中的任何单词组被视为“词”。

Answer 3

1. function 声明：这可能是一个 javascript 对象，使用 function_name: function(params) {... 有助于将 javascript 排除在全局范围之外。
2. 通过检查arg 变量，他们确保传递了一个整数。使用parseInt() 将允许10 和"10" 被接受。
3. 此方法可以处理比使用的正则表达式更多的分隔符。
4. 此代码对于数组溢出是安全的。如果value 中只有 8 个单词，则不能数到 10。否则，您会得到数组越界或对象不存在错误。

Answer 4

正则表达式是 3 部分

1. &.*?;将匹配字符实体（如 &）
2. <.> 将匹配尖括号中的内容
3. (\w[\w-]*) 将匹配以 [a-zA-Z0-9_] 开头的字符串，后跟一个破折号

这不仅仅是空间分割。它正在寻找它认为可能是一个单词的一部分的东西，一旦它找到不是的东西，它就会增加字数。

它应该采用逗号或竖线分隔的列表，并且与空格分隔的列表一样有效。