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）。这对我来说通常是个无赖。

所以我的问题是，这会在2.0中发生变化吗？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生效）：

# 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the docs，\s现在和将来只会匹配[ \t\r\n\f]。

Answer 2

在Ruby中，我建议使用＆＃34; 空格分隔符＆＃34;的Unicode字符类。 \p{Zs}：

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

请参阅Ruby文档了解更多Unicode character properties。

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间，例如： ＆＃34; \ XA0＆＃34;在ISO-8859-1（Latin1）中。 More info on the "non-breaking space"

仅供参考：在大多数支持Unicode的RegExp风格和编程语言中，字符类\s通常包括Unicode＆＃34;分隔符＆＃34;中的所有字符。财产\p{Z}（正如Tim Pietcker所述）;但是， Java 和 Ruby 是受欢迎的例外，\s仅匹配[ \t\r\n\f]。