为什么带正则表达式的gsub会为单引号和双引号返回不同的结果？

Question

我有以下文本，我尝试匹配并删除反斜杠和以下数字：

these failings is india\342\200\231s reluctance

当我使用单引号创建一个字符串并使用\\\d+时，我会删除这些字符，但是双引号中的此文本返回相同的内容。以下演示了我想说的内容：

>> "these failings is india\342\200\231s reluctance".gsub(/\\\d+/, "")
>> "these failings is india\342\200\231s reluctance"
>> 'these failings is india\342\200\231s reluctance'.gsub(/\\\d+/, "")
>> "these failings is indias reluctance"

原因是什么？如何在双引号中删除这些字符？

Answer 1

你的问题不在于正则表达式，你的问题在于字符串本身。当你这样说：

"these failings is india\342\200\231s reluctance"

\342\200\231由字符串解释为为八进制中的三个字节，这三个字节是’的UTF-8表示形式;结果是你的字符串看起来像这样：

"these failings is india’s reluctance"

这三个字节只是一个UTF-8字符。如果使用单引号构建字符串：

'these failings is india\342\200\231s reluctance'

然后八进制转义序列根本不被解释为八进制字节值，它们只是十二个字符：

\ 3 4 2 \ 2 0 0 \ 2 3 1

你在编辑中看到的

。

如果你想删除那个特定的撇号字符，那么你可以这样使用tr：

"these failings is india\342\200\231s reluctance".tr("\342\200\231", '')

或gsub喜欢这样（或其他各种方式）：

"these failings is india\342\200\231s reluctance".gsub("\342\200\231", '')
"these failings is india\342\200\231s reluctance".gsub(/\342\200\231/, '')

请注意，正则表达式文字提供双引号字符串上下文，因此\nnn将被解释，就像它们在双引号字符串中一样。

您可能希望从前到后查看编码设置，以确保所有内容（包括终端和编辑器）都设置为使用UTF-8。那会让你的问题更清楚。