Ruby正则表达式处理nbsp

Question

在ruby 1.9.3中，正则表达式引擎不会将（\\ u00A0）视为空格（\\ s）。 这对我来说通常是一个无赖。

所以我的问题是，这会改变2.0吗？ 如果没有，有没有办法修补解决方案？

Answer 1

使用Unicode属性（您需要声明匹配的源代码编码才能使用）：

# encoding=utf-8 
if subject ~= /\p{Z}/
    # subject contains whitespace or other separators

或使用POSIX字符类：

if subject ~= /[[:space:]]/

根据文档 ， \\s现在和将来只匹配[ \\t\\r\\n\\f] 。

Answer 2

在Ruby中，我建议使用“ 空格分隔符 ” \\p{Zs}的Unicode字符类：

/\p{Zs}/u  =~  "\xC2\xA0"
/\p{Zs}/u  =~  "\u00A0"
/\p{Zs}/u  =~  HTMLEntities.new.decode(' ')

有关更多Unicode字符属性，请参阅Ruby文档。

注意：确保您的输入字符串是有效的UTF-8编码。 其他编码也有不间断的空格，例如ISO-8859-1（Latin1）中的“\\ xA0”。 关于“不间断空间”的更多信息 。

供参考：在大多数正则表达式的口味和编程语言支持Unicode字符类\\s通常包括从所述的Unicode“分离器”的属性的所有字符\\p{Z}如由Tim Pietcker提及）; 但是， Java和Ruby在这里是流行的例外， \\s只匹配[ \\t\\r\\n\\f] 。