如何在 Ruby 1.9 中为 unicode 西里尔字符指定正则表达式答案

【问题标题】：How to specify Regexp for unicode cyrillic characters in Ruby 1.9如何在 Ruby 1.9 中为 unicode 西里尔字符指定正则表达式
【发布时间】：2010-04-27 14:06:18
【问题描述】：

#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 忽略西里尔字符？

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

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

据我所知 1.9 oniguruma 正则表达式库完全支持 unicode 字符。

【问题讨论】：

在 Linux (ruby 1.9) 上 gsub 删除所有字符 - irb(main):006:0> str2.gsub(/\w/u,'') => ""
@aaz：不应该（见我的回答）；可能你有旧版本？
我会将这个问题重命名为“如何在 Ruby 1.9 中为 unicode 字符指定正则表达式”，因为这与 win32 或（仅）西里尔文无关。
你是对的。它是 ruby 1.9.1p0 中的一个错误，在 ruby 1.9.1p376 中一切正常

标签： ruby regex unicode encoding character-properties

【解决方案1】：

这是在Ruby documentation 中指定的：\w 等效于 [a-zA-Z0-9_]，因此不针对任何 unicode 字符。

您可能想改用 [[:alnum:]]，它包括所有 unicode 字母和数字字符。还要检查[[:word:]] 和[[:alpha:]]。

【讨论】：

顺便说一句，我们要感谢 Run Paint Run Run 编写此文档。