如何在Ruby中删除空格但不删除utf-8字符

Question

我想防止用户写空评论（空格，  等）。 所以我应用以下内容：

var.gsub(/^\s+|\s+\z|\s* \s*/.'')

但是，然后一个聪明的用户通过使用\\302或\\240 unicode字符找到了一个漏洞，因此我也过滤掉了这些字符。

然后在介绍几种语言支持时遇到了问题，然后像Déjà vu这样的词就变成了错误。 因为à字符的一部分包含\\240 。 有什么方法可以删除空白但不影响拉丁字符？

Answer 1

一种解决方法是在使用正则表达式删除空白之前，使用iconv丢弃无效的unicode字符（例如\\230本身）：

require 'iconv'

var1 = "Déjà vu"
var2 = "\240"

ic = Iconv.new('UTF-8//IGNORE', 'UTF-8')
valid1 = ic.iconv(var1) # => "D\303\251j\303\240 vu" 
valid2 = ic.iconv(var2) # => ""