Regexp与单词中的utf8字符不匹配（\ w +）

Question

为什么以下代码返回nil：

'The name of the city is: Ørbæk'.match(/:\s\w+/)
#=> nil

当我希望它返回"Ørbæk"

时

我尝试在文档的开头设置#encoding=utf-8，但它不会改变任何内容。

PS。 Ø和Æ是丹麦字母

Answer 1

元字符\w等同于字符类[a-zA-Z0-9_];仅匹配字母，数字和_。

而是使用字符属性\p{Word}：

'The name of the city is: Ørbæk'.match(/:\s\p{Word}+/)
# => #<MatchData ": Ørbæk">

根据Character Properties from Ruby Regexp documentation：

  

/\p{Word}/ - 以下Unicode常规类别之一的成员Letter，Mark，Number，Connector_Punctuation

Answer 2

您可以改为使用\ p {Word}：

irb(main):001:0> 'The name of the city is: Ørbæk'.match(/:\s\p{Word}+/)
=> #<MatchData ": Ørbæk">

Answer 3

如果您要匹配的单词只包含字母字符，请使用\p{L}：

match(/:\s\p{L}+/)