如何从红宝石的希伯来语utf-8中剥离元音/ nekudot /变音符号？

Question

希伯来语将元音打印为字母周围的nekudot /点。
带有元音：“
不带元音：“יתגבתגארילעמודבבקרלעבודתבוראושיהאהואמעוררהשחר”

我需要一种从弦上剥离这些元音的方法。 与将带元音的字符串转换为不带元音的字符串一样。 有什么建议么？

-ps

我已经尝试过“ hebrew.gsub（/ [^א-ת] /，''）”，但这有两个问题：答：这将删除所有标点符号，英语等。我只想删除元音。 b：一些字母也被删除。 （我的理解是有限的，但似乎某些字母/元音组合在utf-8中变成了“多字节”，与“א-ת”不匹配。

我在网上找到了这个网址 ： https : //gist.github.com/yakovsh/345a71d841871cc3d375 ，但红宝石建议仅适用于rails（假设它完全适用）。 但是，该页面可能有助于找到解决方案。

请帮助，在此先感谢。

Answer 1

元音都在U + 0591和U + 05C7之间，因此您可以

hebrew.gsub(/[\u0591-\u05c7]/,"")

例如

" יִתְגַּבֵּר כַּאֲרִי לַעֲמֹד בַּבֹּקֶר לַעֲבוֹדַת בּוֹרְאוֹ שֶׁיְּהֵא הוּא מְעוֹרֵר הַשַּׁחַר".gsub(/[\u0591-\u05c7]/,"")
# => " יתגבר כארי לעמד בבקר לעבודת בוראו שיהא הוא מעורר השחר"

但是，仅当元音在字符串中都是单独的字符时才有效-或者，如果文本使用规范化形式D，则在讲Unicode的情况下说相同的事情。您可以通过在其上调用String#unicode_normalize来确保是这种情况第一：

hebrew.unicode_normalize(:nfd).gsub(/[\u0591-\u05c7]/,"")

此步骤是必需的，因为Unicode包含几个单独的字符，这些字符在单个代码点中将字母和nekuddot组合在一起，以便与不支持组合变音符的较旧字符集进行往返兼容性。 这些字符意味着您不能仅通过查看字符串“בּ”是由两个代码点序列U+05D1 HEBREW LETTER BET后跟U+05BC HEBREW POINT DAGESH OR MAPIQ还是U+05BC HEBREW POINT DAGESH OR MAPIQ ，还是仅由单个字符U+FB31 HEBREW LETTER BET WITH DAGESH 。 将字符串放入规范化表单D会将后者替换为前者，并且还将任何其他“预组合”字符拆分为它们的组成部分。