Question

我需要移除诸如＆＃34; +＆＃34;，＆＃34; /＆＃34;，＆＃34; _＆＃34;等字符。和字符串类似，以执行搜索方法。

根据其他问题，我使用gsub方法，问题是它也替代了我不想要的强调字母：

string.gsub(/[^0-9A-Za-z]/, '')

编辑：我需要支持的语言是西班牙语和加泰罗尼亚语。

有没有办法调整表达式以保留带重音的字母？

Answer 1

到目前为止，这里给出的答案都是完全错误的。

现代unicode中有两种类型的重音：组合和组合变音符号（已分解）。使用Ruby 2.3+，一切都很简单：

"Barça".unicode_normalize(:nfc).scan(/\p{L}/)
#⇒ ["B", "a", "r", "ç", "a"]

无论如何构建“ç”，作为拉丁文1组成的角色，或者作为组合变音符号，上述内容都将有效。

那就是说，要删除所有非字母，可以这样做：

"Barça".unicode_normalize(:nfc).gsub(/[^\p{L}]/, '')

在Ruby 2.3之前，没有标准的方法来将字符串规范化为组合形式，而对于“mañana”，简单范围À..ÿ将起作用（组成形式），对于“mañana”它不会（组合）变音符号。）您可以通过将两者复制粘贴到irb shell中来确保自己存在差异。

Answer 2

您还可以使用POSIX bracket expression。您会在ruby-docs中找到所有需要的documentation。

在您的情况下，您可以使用：

string.gsub(/[^[:alpha:]]/, '')

或：

string.gsub(/[^[:alnum:]]/, '')

来自文档：

/ [[：alnum：]] / - 字母和数字字符

/ [[：alpha：]] / - 字母字符

Answer 3

借用this question的答案，许多（但不是全部）重音字符的正则表达式字符范围是À-ÿ。因此，要匹配这些，您只需将其添加到现有范围：

string.gsub(/[^0-9A-Za-zÀ-ÿ]/, '')

它在很大程度上取决于您正在寻找的重音，因为有太多的重音符号可以轻松匹配所有。这个示例正则表达式将保留例如急性/严重重音，但是错过了月牙：

puts "I went to a café.".gsub(/[^0-9A-Za-zÀ-ÿ]/, '') # Iwenttoacafé
puts "Ahoj, světe!".gsub(/[^0-9A-Za-zÀ-ÿ]/, '')      # Ahojsvte

这可能适用于您的用例，但如果您正在处理捷克语文本，则可能需要额外的字符范围来匹配月牙。