Merge pull request #172 from nglazov/9-regular-expressions/21-regexp-unicode-properties

9-regular-expressions/21-regexp-unicode-properties

Author: iliakan

9-regular-expressions/21-regexp-unicode-properties/article.md

@@ -1,81 +1,81 @@
 
-# Unicode character properties \p
+# Unicode-свойства символов \p
 
-[Unicode](https://en.wikipedia.org/wiki/Unicode), the encoding format used by JavaScript strings, has a lot of properties for different characters (or, technically, code points). They describe which "categories" character belongs to, and a variety of technical details.
+[Юникод](https://ru.wikipedia.org/wiki/Юникод), формат кодировки строк, используемый в JavaScript, имеет множество свойств для разных символов (или, технически, кодовых позиций). Они описывают к какой "категории" относится символ и прочие технические детали.
 
-In regular expressions these can be set by `\p{…}`. And there must be flag `'u'`.
+В регулярных выражениях свойства могут быть указаны с помощью `\p{…}`. Для таких регулярных выражений обязательно использовать флаг `'u'`.
 
-For instance, `\p{Letter}` denotes a letter in any of language. We can also use `\p{L}`, as `L` is an alias of `Letter`, there are shorter aliases for almost every property.
+Например, `\p{Letter}` обозначает букву в любом языке. Также можно использовать запись `\p{L}`, так как `L` - это псевдоним `Letter`, существуют короткие записи почти для всех свойств.
 
-Here's the main tree of properties:
+Вот основные категории свойств:
 
-- Letter `L`:
-  - lowercase `Ll`, modifier `Lm`, titlecase `Lt`, uppercase `Lu`, other `Lo`
-- Number `N`:
-  - decimal digit `Nd`, letter number `Nl`, other `No`:
-- Punctuation `P`:
-  - connector `Pc`, dash `Pd`, initial quote `Pi`, final quote `Pf`, open `Ps`, close `Pe`, other `Po`
-- Mark `M` (accents etc):
-  - spacing combining `Mc`, enclosing `Me`, non-spacing `Mn`
-- Symbol `S`:
-  - currency `Sc`, modifier `Sk`, math `Sm`, other `So`
-- Separator `Z`:
-  - line `Zl`, paragraph `Zp`, space `Zs`
-- Other `C`:
-  - control `Cc`, format `Cf`, not assigned `Cn`, private use `Co`, surrogate `Cs`.
+- Буквы `L`:
+  - в нижнем регистре `Ll`, модификатор `Lm`, заглавные буквы `Lt`, в верхнем регистре `Lu`, прочие `Lo`
+- Число `N`:
+  - десятичная цифра `Nd`,  цифры обозначаемые буквами (римские) `Nl`, прочие `No`:
+- Знаки препинания `P`:
+  - соединители `Pc`, тире `Pd`, открывающие кавычки `Pi`, закрывающие кавычки `Pf`, открывающие скобки `Ps`, закрывающие скобки `Pe`, прочее `Po`
+-  Отметки `M` (например, акценты):
+  - двоеточия `Mc`, вложения `Me`, апострофы `Mn`
+- Символы `S`:
+  - валюты `Sc`, модификаторы `Sk`, математические `Sm`, прочие `So`
+- Разделители `Z`:
+  - линия `Zl`, параграф `Zp`, пробел `Zs`
+- Прочие `C`:
+  - контрольные `Cc`, форматирование `Cf`, не назначенные `Cn`, для приватного использования `Co`, суррогаты `Cs`.
 
-```smart header="More information"
-Interested to see which characters belong to a property? There's a tool at <http://cldr.unicode.org/unicode-utilities/list-unicodeset> for that.
+```smart header="Дополнительная информация"
+Хотите узнать, какие символы имеют определенное свойство? Для этого есть инструмент: <http://cldr.unicode.org/unicode-utilities/list-unicodeset>.
 
-You could also explore properties at [Character Property Index](http://unicode.org/cldr/utility/properties.jsp).
+Вы также можете изучить свойства в [каталоге свойств символа](http://unicode.org/cldr/utility/properties.jsp).
 
-For the full Unicode Character Database in text format (along with all properties), see <https://www.unicode.org/Public/UCD/latest/ucd/>.
+Полная база Юникод-символов в текстовом формате  (вместе со всеми свойствами), находится здесь <https://www.unicode.org/Public/UCD/latest/ucd/>.
 ```
 
-There are also other derived categories, like:
-- `Alphabetic` (`Alpha`), includes Letters `L`, plus letter numbers `Nl` (e.g. roman numbers Ⅻ), plus some other symbols `Other_Alphabetic` (`OAltpa`).
-- `Hex_Digit` includes hexadimal digits: `0-9`, `a-f`.
-- ...Unicode is a big beast, it includes a lot of properties.
+Есть и другие категории -- производные, например:
+- `Alphabetic` (`Alpha`), включающая в себя `L`, плюс "буквенные цифры", обозначаемые буквами `Nl` (например римские цифры: Ⅻ), и некоторые другие символы `Other_Alphabetic` (`OAltpa`).
+- `Hex_Digit` включает символы для шестнадцатеричных чисел: `0-9`, `a-f`.
+...Юникод поддерживает и много других свойств.
 
-For instance, let's look for a 6-digit hex number:
+Например, давайте поищем шестизначные шестнадцатеричные числа:
 
 ```js run
-let reg = /\p{Hex_Digit}{6}/u; // flag 'u' is requireds
+let reg = /\p{Hex_Digit}{6}/u; // флаг 'u' -- обязательный
 
 alert("color: #123ABC".match(reg)); // 123ABC
 ```
 
-There are also properties with a value. For instance, Unicode "Script" (a writing system) can be Cyrillic, Greek, Arabic, Han (Chinese) etc, the [list is long]("https://en.wikipedia.org/wiki/Script_(Unicode)").
+Существуют также свойства со значением. Например в Юникоде есть "Script" (система написания), которая может иметь значения Cyrillic (Кириллическая), Greek (Греческая), Arabic (Арабская), Han (Китайская) и так далее, [полный список -- длинный]("https://en.wikipedia.org/wiki/Script_(Unicode)").
 
-To search for certain scripts, we should supply `Script=<value>`, e.g. to search for cyrillic letters: `\p{sc=Cyrillic}`, for Chinese glyphs: `\p{sc=Han}`, etc:
+Для поиска символов в нужной системе записи (в нужном "алфавите"), мы должны установить `Script=<value>`, например для поиска кириллических букв: `\p{sc=Cyrillic}`, для китайских иероглифов: `\p{sc=Han}`, и так далее:
 
 ```js run
-let regexp = /\p{sc=Han}+/gu; // get chinese words
+let regexp = /\p{sc=Han}+/gu; // вернет китайские слова
 
 let str = `Hello Привет 你好 123_456`;
 
 alert( str.match(regexp) ); // 你好
 ```
 
-## Building multi-language \w
+## Создание многоязычного \w
 
-Let's make a "universal" regexp for `pattern:\w`, for any language. That task has a standard solution in many programming languages with unicode-aware regexps, e.g. Perl.
+Шаблон `pattern:\w` предназначен для поиска "символов для слов" (words), но является всего лишь сокращением для `pattern:[a-zA-Z0-9_]`, так что он не найдет китайские, русские слова и т.п.
+
+Давайте сделаем универсальный шаблон, который ищет символы, используемые в словах, для любого языка. Это очень легко с Юникод-свойствами:
 
 ```js
 /[\p{Alphabetic}\p{Mark}\p{Decimal_Number}\p{Connector_Punctuation}\p{Join_Control}]/u
 ```
 
-Let's decipher. Remember, `pattern:\w` is actually the same as `pattern:[a-zA-Z0-9_]`.
-
-So the character set includes:
+Теперь расшифруем, то что получилось. По аналогии с классом `pattern:\w`, который является сокращением набора `pattern:[a-zA-Z0-9_]`, мы делаем свой набор, который включает в себя:
 
-- `Alphabetic` for letters,
-- `Mark` for accents, as in Unicode accents may be represented by separate code points,
-- `Decimal_Number` for numbers,
-- `Connector_Punctuation` for the `'_'` character and alike,
-- `Join_Control` -– two special code points with hex codes `200c` and `200d`, used in ligatures e.g. in arabic.
+- `Alphabetic` для букв,
+- `Mark` для акцентов (в Юникоде акценты могут быть представлены разными кодовыми позициями),
+- `Decimal_Number` для цифр,
+- `Connector_Punctuation` для символа `'_'` и подобных ему,
+- `Join_Control` -– две специальные кодовые позиции с кодами `200c` и `200d`, используемые в лигатурах, например, арабских.
 
-Or, if we replace long names with aliases (a list of aliases [here](https://www.unicode.org/Public/UCD/latest/ucd/PropertyValueAliases.txt)):
+Или, если заменить длинные названия псевдонимами (список псевдонимов [здесь](https://www.unicode.org/Public/UCD/latest/ucd/PropertyValueAliases.txt)):
 
 ```js run
 let regexp = /([\p{Alpha}\p{M}\p{Nd}\p{Pc}\p{Join_C}]+)/gu;