如何在Ruby 1.9中为Unicode西里尔字母指定正则表达式

Question

如何在Ruby 1.9中为Unicode西里尔字母指定正则表达式

rubyregexunicodeencodingcharacter-properties

7

#coding: utf-8
str2 = "asdfМикимаус"
p str2.encoding #<Encoding:UTF-8> 
p str2.scan /\p{Cyrillic}/ #found all cyrillic characters
str2.gsub!(/\w/u,'') #removes only latin characters
puts str2

问题是为什么\w会忽略西里尔字母？

我已经从http://rubyinstaller.org/安装了最新的Ruby包。这是我的ruby -v输出。

ruby 1.9.1p378 (2010-01-10 revision 26273) [i386-mingw32]

据我所知，1.9版的oniguruma正则表达式库已经完全支持Unicode字符。

- user326922

在Linux（ruby 1.9）中，gsub删除所有字符 - irb（main）：006：0> str2.gsub（/ \ w / u，''）=>“” - andrykonchin

@aaz：不应该出现这种情况（请看我的回答）；可能是你使用的是旧版本？ - Marc-André Lafortune

我会将此问题重命名为“如何在Ruby 1.9中指定Unicode字符的正则表达式”，因为这与win32或（仅限）西里尔字母无关。 - Marc-André Lafortune

1

你说得对。这是Ruby 1.9.1p0的一个bug，在Ruby 1.9.1p376中一切正常。 - andrykonchin

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Marc-André Lafortune · Accepted Answer

这是根据Ruby文档规定的：\w等效于[a-zA-Z0-9_]，因此不包括任何Unicode字符。

你可能希望使用[[:alnum:]]，它包括所有Unicode字母和数字字符。还可以检查[[:word:]]和[[:alpha:]]。