无法在 Ruby 中的字符串中按空格拆分/剥离，因为它是 NBSP 字符答案

【问题标题】：Can't split/strip by space in a string in Ruby because it's an NBSP character无法在 Ruby 中的字符串中按空格拆分/剥离，因为它是 NBSP 字符
【发布时间】：2011-12-28 08:42:03
【问题描述】：

我有这个大的 XML 文件。有一个字段我想用空格分割一个字段。

所以我执行以下操作将分割后的数据保存到 a & b 中：

components = a.split(' ')
a = components[0]
b = components[1]

但是有些拆分正确，有些拆分不正确（当它们都包含空格时）。例如，当我尝试拆分 'Maria Canada' 时，它不会按空格拆分。

我不知道为什么。如果我在 Vim 中打开文件并复制那些特定的错误文本，我可以在 Ruby 交互式 shell 中正确拆分它们：

'Maria (Canada)'.split(' ')
 => ["Maria","(Canada)"]

更新

好的，原因是 NBSP。我通过引发错误打印出那些不会在控制台中拆分的行。我复制了文本并粘贴在 irb 中。这些复制的文本也不能在 irb 中分割，我也不能去掉那个空格。

>> ' '.strip
=> " "

然后我运行ord，发现空格是一个NBSP字符（它的代码是160）：

>> ' '.ord
=> 160

所以 xml 文件同时包含空格和 NBSP 字符。 我认为 Vim 会自动将 NBSP 转换为空格，这就是为什么当我尝试从 vim 复制它时不再是 NBSP。

现在我只需要弄清楚如何处理 NBSP。

【问题讨论】：

想象一下，您在阅读这个问题之前对自己在做什么没有任何想法。你觉得你能理解题主的意思吗？
抱歉，我试图澄清一下
也许它实际上是一个制表符？试试 a.split(/\s+/) 看看是否有帮助。
是的，试过了，但也没用

标签： ruby string text ruby-1.9

【解决方案1】：

您应该拆分所有空格，包括非 ASCII 空格：

a, b = str.split(/[[:space:]]/)

我假设您使用的是 Ruby 1.9+，并且您的 str 具有正确的编码（例如 utf-8）。如regex reference 中所述，\s 仅匹配 ASCII 空格，而[[:space:]] 将匹配所有 unicode 空格（\d 与 [[:digit:]] 等...）

【讨论】：

【解决方案2】：

当我处理大量 XML 时，我会遇到类似的问题。

与其在解析后尝试删除 NBSP，有时我会查看它们是否以编码形式出现在原始 XML 中，然后在解析之前进行全局搜索和替换。在这些位置寻找&NBSP; 或\xa0 或类似的东西。

或者，你可以做一些其他的事情：

您可以将拆分更改为更智能的方式：

# encoding: UTF-8

NBSP = "\u00a0"

str = "a b\tc#{ NBSP }z"
str.split(/(?:\s|#{ NBSP })+/) # => ["a", "b", "c", "z"]

或

str.gsub(NBSP, ' ').split(' ')
 => ["a", "b", "c", "z"]

【讨论】：