Question

我正在尝试显示用户帖子中的单词数组。然而，我正在使用的方法像空格一样处理撇号。

<%= var = Post.pluck(:body) %>
<%= var.join.downcase.split(/\W+/) %>

因此，如果输入文本是：The baby's foot
它会输出the baby s foot，
但它应该是the baby's foot。

我如何做到这一点？

Answer 1

接受的答案太天真了：

▶ "It’s naïve approach".split(/[^'\w]+/)
#⇒ [
#  [0] "It",
#  [1] "s",
#  [2] "nai",
#  [3] "ve",
#  [4] "approach"
# ]

这是因为现在几乎有2016年，许多用户可能想要使用他们的正常名称，比如，你知道，JoséØstergaard。正如你可能会注意到的那样，标点符号不仅仅是叛逆者。

▶ "It’s naïve approach".split(/[^'’\p{L}\p{M}]+/)
#⇒ [
#  [0] "It’s",
#  [1] "naïve",
#  [2] "approach"
# ]

进一步阅读：Character Properties。

Answer 2

按照mudasobwa的回答，这是\w和\W为聚会带来的内容：

chars = [*' ' .. "\x7e"].join
# => " !\"\#$%&'()*+,-./0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\\]^_`abcdefghijklmnopqrstuvwxyz{|}~"

这是我们在代码中看到的通常可见的低位ASCII字符。有关详细信息，请参阅the Regexp documentation。

抓住与\w匹配的字符会返回：

chars.scan(/\w+/)
# => ["0123456789",
#     "ABCDEFGHIJKLMNOPQRSTUVWXYZ",
#     "_",
#     "abcdefghijklmnopqrstuvwxyz"]

相反，抓取与\w不符或匹配\W的字符：

chars.scan(/\W+/)
# => [" !\"\#$%&'()*+,-./", ":;<=>?@", "[\\]^", "`", "{|}~"]

\w定义为[a-zA-Z0-9_]，这不是您通常所说的“单词”字符。相反，它们通常是我们用来定义变量名称的字符。

如果您只处理低位ASCII字符，请使用字符类

[a-zA-Z]

例如：

chars = [*' ' .. "\x7e"].join
lower_ascii_chars = '[a-zA-Z]'
not_lower_ascii_chars = '[^a-zA-Z]'
chars.scan(/#{lower_ascii_chars}+/)
# => ["ABCDEFGHIJKLMNOPQRSTUVWXYZ", "abcdefghijklmnopqrstuvwxyz"]
chars.scan(/#{not_lower_ascii_chars}+/)
# => [" !\"\#$%&'()*+,-./0123456789:;<=>?@", "[\\]^_`", "{|}~"]

您可以利用POSIX定义和character properties：

，而不是定义自己的定义

chars.scan(/[[:alpha:]]+/)
# => ["ABCDEFGHIJKLMNOPQRSTUVWXYZ", "abcdefghijklmnopqrstuvwxyz"]

chars.scan(/\p{Alpha}+/)
# => ["ABCDEFGHIJKLMNOPQRSTUVWXYZ", "abcdefghijklmnopqrstuvwxyz"]

当从字符串中提取信息时，正则表达式总是看起来像是一个很棒的新魔杖，但是，就像发现的the Sorcerer's Apprentice一样，它们会在误用或不被理解时造成破坏。

了解这一点可以帮助您编写更多智能模式。将其应用于文档显示的内容，您应该能够轻松找出符合您需要的模式。

Answer 3

使用您在评论中写入的var userNameToCheck="alice@ss.com"; var exists=db.Users.Any(x=>x.UserName==userNameToCheck||x.Email==userNameToCheck); if(!exists) { // New record. Let's continue saving it. }调用来通过irb运行该字符串可以获得以下结果：

split

但是，如果您使用irb(main):008:0> "The baby's foot".split(/\W+/) => ["The", "baby", "s", "foot"]而没有明确的分隔符，则会获得您正在寻找的分割：

split

那能帮到你找到你想要的东西吗？

Answer 4

您可以使用以下RegEx代替/\W+/

var.join.downcase.split(/[^'\w]+/)

/\W/指的是所有非单词字符，撇号是一个非单词字符。为了使代码保持接近原始意图，我们可以使用/[^'\w]/ - 这意味着所有不是撇号和字符的字符。

包含撇号和.split（）

4 个答案: