Unicode property escapes

Las clases \w, \d, \s en ASCII no son suficientes para textos en español, francés, griego o con emojis. El JavaScript moderno (con la flag u -- Unicode) ofrece escapes de propiedades \p{...}: clases semánticas basadas en las propiedades Unicode de los caracteres.

Pattern: \p{L}+        (con flag u)
Sample:  Ciao caffe' über世界
         ^^^^ ^^^^^^^ ^^^^ ^^^^

\p{L} = "cualquier Letra (Unicode)": incluye letras acentuadas, ideogramas chinos, cirílico, griego... todo. Las más comunes:

• \p{L} -- letra (de cualquier alfabeto).
• \p{N} -- número (dígitos arábigos, romanos, indios...).
• \p{P} -- puntuación.
• \p{S} -- símbolo (matemático, moneda, emoji...).
• \p{Z} -- espacio/separador.
• \p{Script=Latin} -- específicamente el alfabeto latino.
• \p{Script=Greek} -- el alfabeto griego. Y así sucesivamente.

Y las versiones negadas \P{L}, \P{N}, ...

Diferencia con \w y \d

\w coincide con [A-Za-z0-9_]              -- solo ASCII, no coincide con "caffe'"
\p{L}\p{N}_  con flag u                  -- incluye caracteres acentuados

Para un analizador robusto de texto en español, prefiere \p{L} en lugar de \w: canción, café, mañana coinciden correctamente como palabras.

Propiedades Unicode y compatibilidad del navegador

Las propiedades Unicode como \\p{L} (Letras) o \\p{Script=Latin} extienden las clases a alfabetos internacionales. En JavaScript, requieren estrictamente la flag u (o v), de lo contrario el motor lanza un error de sintaxis.

Pruébalo tú

Ejercicio de repaso

Desafío adicional