无论ruby版本如何，拆分utf8字符串

Question

str = "é-du-Marché"

我得到了第一个char via

str.split(//).first

无论我的ruby版本如何，我如何获得其余的字符串？

Answer 1

String首先没有方法。 所以你需要另外一个分裂。 当您以unicode模式（完全是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)

用ruby 1.9.2测试：

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

用红宝石1.8.6测试：

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

有了first也是last你得到的结果

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

Answer 2

通常， str[1..-1]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 ，将其设置为1以跳过第一个数字， 第二个是长度 ，其设置为-1，因此红宝石从背面开始计数

注意 ：多字节字符仅适用于Ruby 1.9。 如果您想向下模仿这种行为，则必须自己遍历字节并找出需要从数据中删除的内容，因为Ruby 1.8不支持此行为。

更新：

您也可以尝试这一点，但我无法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，在处理字符的UTF-8，UTF-32或UTF-16编码（例如，多字节字符）时，将调用定向到适当的实现。 可以在这里找到更多详细信息： http : //api.rubyonrails.org/classes/ActiveSupport/Multibyte/Chars.html但我不知道在较旧的Rails版本中是否存在

UPDATE2：

Ruby 1.8将任何字符串视为一堆字节，在其上调用size（）将返回用于存储数据的字节数。 要确定不考虑编码的字符，请尝试以下操作：

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

这通常可以解决问题。 尝试查看http://blog.grayproductions.net/articles/bytes_and_characters_in_ruby_18 ，其中介绍了如何在较旧的ruby版本中处理多字节数据。

编辑3 ：

进行扫描和联接操作使我更接近您的问题和解决方案。 老实说，我没有时间来使用完整的解决方案，但是如果您使用scan（/./ mu）选项，则会将其转换为utf-8，所有红宝石版本都支持。