Question

如何从字符串中删除所有非字母字符？

E.g。

"Wë_1ird?!"  ->  "Wëird"

在Perl中，我使用=~ s/[\W\d_]+//g执行此操作。在Python中，我使用

re.sub(ur'[\W\d_]+', u'', u"Wë_1ird?!", flags=re.UNICODE)

等

AFAICT，Str.regex不支持\W，\d等。（我无法支持）告诉它是否支持Unicode，但不知怎的，我怀疑它。）

Answer 1

Str不支持Unicode。假设您正在处理UTF-8编码数据。您可以按如下方式使用Uutf和Uucp：

let keep_alpha s =
  let b = Buffer.create 255 in
  let add_alpha () _ = function
  | `Malformed _ -> Uutf.Buffer.add_utf_8 b Uutf.u_rep
  | `Uchar u -> if Uucp.Alpha.is_alphabetic u then Uutf.Buffer.add_utf_8 b u
  in
  Uutf.String.fold_utf_8 add_alpha () s;
  Buffer.contents b

# keep_alpha "Wë_1ird?!";;
- : string = "Wëird"

Answer 2

我不是regex和utf的专家，但如果我在你的鞋子里，那么我会使用re2库，这是我的第一个近似值：

open Core.Std
open Re2.Std
open Re2.Infix

let drop _match = ""

let keep_alpha s = Re2.replace ~/"\\PL" ~f:drop s

前三行打开库并将其定义纳入范围。您不需要打开库来使用它，但是否则您需要为每个定义添加前缀。 OCaml核心库是以这种方式专门设计的，用户应该打开Std子模块以将所有必要的定义带到范围。 Re2库来自同一个人并且具有一致性约定。 open Re2.Infix会将中缀（和前缀运算符）带到作用域，即~/，它将从字符串创建正则表达式。 drop函数只是忽略它的参数并返回一个空字符串。我使用下划线加前缀参数，因为它是未使用参数的约定（由编译器遵守）。您也可以使用简单的uderscore作为外卡，例如let drop _ = ""。接下来是keep_alpha函数，它将替换任何不与utf字母类匹配的utf符号和空字符串，即将其从输出中删除。

更新

我检查了我的代码并修复了错误。另外，我想展示一下如何在顶层播放这段代码。您有几个选项，但最简单的方法是使用coretop库附带的core脚本。它使用utop顶层，因此请确保已安装它：

 $ opam install -y utop

一旦完成，你就可以开始兴奋了：

 $ coretop -require re2

此-require re2标志会自动查找并加载re2库到您的顶层。您可以使用以下命令加载其他库而无需重新启动utop：

 # #require "libname";;

第一个#是一个顶级提示，你不应该输入它，但第二个是指令的开头，所以确保实际输入它。任何指令都应从#符号开始。在utop中还有其他有用的指令，即：

 # #use "filename.ml";;   (* will load and evaluate filename.ml      *)
 # #list;;                (* will list all available packages        *)
 # #typeof "keep_alpha";; (* will infer and print type of expression *)

在您使用;;序列终止代码之前，Toplevel不会评估您的代码。您有时可能会在实际代码中看到这个丑陋的;;，但它不是必需的，只是说顶层，您希望它在此处评估您的代码，并向您显示结果。< / p>

OCaml：如何从字符串中删除所有非字母字符？

2 个答案:

更新