如何在 Ruby 1.9 中为 unicode 西里尔字符指定 Regexp

Question

#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​​ 软件包。 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 oniguruma 正则表达式库完全支持 unicode 字符。

Answer 1

这是在 Ruby 文档 中指定的： \w< /code> 相当于 [a-zA-Z0-9_]，因此不针对任何 unicode 字符。

您可能想使用 [[:alnum:]] 来代替，其中包括所有 unicode 字母和数字字符。另请检查 [[:word:]] 和 [[:alpha:]]。