无论 ruby​​ 版本如何，分割 utf8 字符串

Question

str = "é-du-Marché"

获取第一个字符？

str.split(//).first

我通过如何获取字符串的其余部分而不考虑我的 ruby​​ 版本来

Answer 1

String首先没有方法。所以你还需要一个分裂。当您以 unicode 模式（确切地说是 utf-8）进行拆分时，您可以访问第一个（和其他字符）。

我的解决方案：

puts RUBY_VERSION
str = "é-du-Marché"
p str.split(//u, 2)

使用 ruby​​ 1.9.2 进行测试：

1.9.2
["\u00E9", "-du-March\u00E9"]

使用 ruby​​ 1.8.6 进行测试：

1.8.6
["\303\251", "-du-March\303\251"]

使用 first 和 last 你会得到结果：

• str.split(//u , 2).first 是第一个字符
• str.split(//u, 2).last 是第一个字符之后的字符串。

Answer 2

str[1..-1] 通常应该返回第一个数字之后的所有内容。

第一个数字是起始索引，设置为1以跳过第一个数字，第二个数字是长度，设置为-1，因此ruby从后面

注意：多字节字符仅在 Ruby 1.9 中有效。如果你想向下模仿这种行为，你必须自己循环字节并找出需要从数据中删除的内容，因为 Ruby 1.8 不支持这一点。

更新：

您也可以尝试这个，但我不能保证它适用于每个多字节字符：

str = "é-du-Marché"
substring = str.mb_chars[1..-1]

mb_chars是一个代理类，它在处理 UTF- 时将调用定向到适当的实现8、字符的UTF-32或UTF-16编码（例如多字节字符）。
更详细的信息可以在这里找到： http://api.rubyonrails.org/classes /ActiveSupport/Multibyte/Chars.html
但我不知道旧的 Rails 版本中是否存在这种情况

UPDATE2:

Ruby 1.8 将任何字符串视为一堆字节，在其上调用 size() 将返回用于存储的字节数数据。要确定字符而不管编码如何，请尝试以下操作：

char_array = str.scan(/./m)
substring = char_array[1..-1].join

这应该可以正常完成此操作。尝试查看http://blog.grayproducts.net/articles/bytes_and_characters_in_ruby_18，他解释了如何处理旧版 ruby​​ 中的多字节数据。

EDIT3：

尝试扫描和编辑加入操作让我更接近您的问题&解决方案。老实说，我没有时间让完整的解决方案发挥作用，但如果你使用 scan(/./mu) 选项，你可以将其转换为 utf-8，所有 ruby​​ 版本都支持它。