如何在Ruby中检查字符串是否包含类似é这样的重音拉丁字符？

Question

给定:

str1 = "é"   # Latin accent
str2 = "囧"  # Chinese character
str3 = "ジ"  # Japanese character
str4 = "e"   # English character

如何区分str1（拉丁重音字符）和其他字符串？

更新：

给定：

str1 = "\xE9" # Latin accent é actually stored as \xE9 reading from a file

答案会有什么不同？

- sbs

---

我认为你的意思是双引号 "\xE9"。 - Matt Brictson

谢谢！我已经编辑了它。 - sbs

Answer 1

我会首先使用gsub去除所有纯ASCII字符，然后使用正则表达式检查是否还有拉丁字符。这样可以检测出带重音的拉丁字符。

def latin_accented?(str)
  str.gsub(/\p{Ascii}/, "") =~ /\p{Latin}/
end

latin_accented?("é")  #=> 0 (truthy)
latin_accented?("囧") #=> nil (falsy)
latin_accented?("ジ") #=> nil (falsy)
latin_accented?("e")  #=> nil (falsy)

- Matt Brictson

---

“é” 实际上以 "\xE9" 的形式存储在文件中。我已经更新了我的问题。在这种情况下，你能帮忙吗？ - sbs

在这种情况下，该文件可能是以ISO-8859-1编码的。在进行正则表达式检查之前，请读取文件并将其转换为UTF-8。IO.read("myfile", :encoding => "ISO-8859-1:UTF-8") - Matt Brictson

如果那个 str="\xE9" 是我无法更改的东西，该怎么识别它呢？ - sbs

可能有更好的方法，但这将检测str中的“\xE9”：str.force_encoding（“binary”）。include?（“\xE9”。force_encoding（“binary”）） - Matt Brictson

Answer 2

我会采用双重方法：

1. 通过将字符串编码为Latin-1（ISO-8859-1）来排除包含非拉丁字符的字符串。
2. 使用正则表达式测试带重音符号的字符。

例如：

def is_accented_latin?(test_string)
  test_string.encode("ISO-8859-1")   # just to see if it raises an exception

  test_string.match(/[ÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏÐÑÒÓÔÕÖÙÚÛÜÝÞßàáâãäåæçèéêëìíîïðñòóôõöùúûüýþÿ]/)
rescue Encoding::UndefinedConversionError
  false
end

我强烈建议您自己选择要筛选的重音字符，而不是只复制我写的内容；我肯定会漏掉一些。还要注意，即使字符串中还包含带重音符号的拉丁字符，但对于包含非拉丁字符的字符串，这将始终返回 false 。

- Wally Altman

Answer 3

尝试使用/\p{Latin}/.match(strX)或/\p{Latin}&&[^a-zA-Z]/（如果您只想检测特殊的拉丁字符）。

顺便说一下，"e"（str4）也是拉丁字符。

希望这可以帮到您。

- codevolution