如何在Ruby 1.9中匹配Unicode单词？

Question

我正在使用Ruby 1.9，想知道我需要使用哪个正则表达式才能使下面的语句为真：

Encoding.default_internal = Encoding.default_external = 'utf-8'
"föö".match(/(\w+)/u)[1] == "föö"
# => false

- Reactormonk

---

你必须将两个字符串转换为相同的Unicode格式，才能进行匹配。使用Iconv可以将字符串转换为特定的Unicode格式。 - krunal shah

添加了默认编码。仍然不起作用... - Reactormonk

请尝试在脚本开头添加注释“# coding utf-8”，并确保脚本文件是utf-8格式。 - Nakilon

使用[/(\w+)/u,1] - 这更短。甚至只需使用[/\w+/u]，因为您的正则表达式中的()会获取所有内容。 - Nakilon

Answer 1

# encoding=utf-8 
p "föö".match(/\p{Word}+/)[0] == "föö"

- steenslag

---

真是疯狂，你需要将源代码标记为UTF8才能使正则表达式以正确的编码方式运行。非常感谢！ - demental

一个很好的文件可以在这里找到：http://www.ruby-doc.org/core-1.9.3/Regexp.html#label-Character+Properties - Tamer Shlash

Answer 2

您可以使用内部(?u)语法手动开启Unicode匹配：

"föö".match(/(?u)(\w+)/)[1] == "föö"
# => true

然而，使用Unicode属性语法（steenslag的答案）或POSIX括号语法更好，因为它们都自动尊重Unicode代码点：

"föö".match(/(\p{word}+)/)[1] == "föö"
# => true

"föö".match(/([[:word:]]+)/)[1] == "föö"
# => true

请查看此博客文章，了解有关在Ruby正则表达式中匹配Unicode字符的更多信息。

- J-_-L

Answer 3

http://www.ruby-forum.com/topic/208777

并且

http://www.ruby-forum.com/topic/210770

可能会给你一些线索。

您还可以使用（已记录的）\p{L} 属性，例如：

$ ruby -ve "p '℉üüü' =~ /\p{L}/"
ruby 1.9.2p0 (2010-08-18 revision 29036) [x86_64-linux]
1

- rogerdpack