Question

我在用户输入文本中发现了一个空白字符（在数据库和网页中显示为空格），我想将其过滤掉。

我得到的那个角色的unicode代码点是12288（我认为它是这个角色：codepoints.net/U+12288，我是对的吗？）。

我如何使用Ruby中的RegExp匹配它？

非常感谢你的帮助。

更新

嗨，大家好，非常感谢。我从你的回复中学到了很多东西，但它还没有奏效。

我发现用户输入中的字符不是字符codepoints.net/U+12288，但是调用.codepoints会返回12288，因此匹配\u12288无效。那是为什么？

> str = note.public_stripped_content
=> "　　权谋术，在古代称之为帝王术..."
> str.encoding
=> #<Encoding:UTF-8>
> str[0].codepoints
=> [12288]
> "\u12288"
=> "ረ8"
> "\u12288"[0]
=> "ረ"
> "\u12288"[1]
=> "8"
> "\u12288"[0].codepoints
=> [4648]
> "\u12288"[1].codepoints
=> [56]

以下是我从Rails控制台完成的工作。（你可以忽略中文字符，有问题的字符是主要的空白。）

> str = note.public_stripped_content
=> "　　权谋术，在古代称之为帝王术..."
> str.encoding
=> #<Encoding:UTF-8>
> str[0].codepoints
=> [12288]
> str.delete("\u12288")
=> "　　权谋术，在古代称之为帝王术..."
> str[0].codepoints
=> [12288]
> print /\u12288/.match(str)
=> nil
> str.gsub(/\p{Cuneiform}/u,'')
=> "　　权谋术，在古代称之为帝王术..."

Answer 1

如果它真的以unicode形式出现，你也可以通过匹配它的General Category或Script来做到这一点。

str = "FooBar"

按类别：Regex101 Example

#match by category Other Letter (Lo)
str.gsub(/\p{Lo}/u,'')

按脚本：Regex101 Example

#match by script Cuneiform
str.gsub(/\p{Cuneiform}/u,'')

Answer 2

我能想到#tr!：

>> string = "foo\u12288bar"
=> "fooረ8bar"
>> string.tr!("\u12288","")
=> "foobar"
>> string
=> "foobar"

Answer 3

因为你的int值是12288而且\ u有四个十六进制数字。试试：\ u3000

Answer 4

codepoints返回一个整数数组，它们作为十进制值打印。在字符串文字中，必须使用十六进制值按代码点指定字符。您可map codepoints这样的结果：

string = "权谋术，在古代称之为帝王术..."
string.codepoints 
# =>  [12288, 12288, 26435, ... ]
string.codepoints.map { |c| c.to_s(16) }
# => ["3000", "3000", "6743", ... ]

您需要的实际代码点是3000.如果您只想删除它，则不需要正则表达式，调用delete（或delete!，如果适用）将执行：< / p>

string.delete("\u3000")
# => "权谋术，在古代称之为帝王术..."

更新：要指定长度超过四位（十六进制）的代码点，必须将其包装在大括号中：

"\u12288".codepoints # => [4648, 56]
"\u{12288}".codepoints # => [74376]

如何使用regexp匹配unicode字符代码点12288

4 个答案: