我有这个大型XML文件。我想用空格分割一个字段。
所以我执行以下操作将分割后的数据保存到＆amp; B：
components = a.split(' ')
a = components[0]
b = components[1]
然而，有些是正确分割的，但有些则不正确（当它们都包含空格时）。例如，当我尝试拆分'Maria Canada'时，它不会按空格分割。
我不确定为什么。如果我在Vim中打开文件并复制那些特定的错误文本，我可以在Ruby交互式shell中正确分割它们：
'Maria (Canada)'.split(' ')
=> ["Maria","(Canada)"]
更新
好的原因是NBSP。我通过引发错误打印出那些没有在控制台中分开的行。我复制了文本并粘贴在irb中。这些复制的文本也不能在irb中拆分，也不能剥离该空间。
>> ' '.strip
=> " "
然后我运行ord并发现该空间是一个NBSP字符（其代码为160）：
>> ' '.ord
=> 160
因此xml文件包含空格和NBSP字符。 我认为Vim自动将NBSP转换为空格，这就是为什么当我尝试从vim复制它时它是不再是NBSP了。
现在我只需要弄清楚如何处理NBSP。
答案 0 :(得分：11)
您应该拆分所有空格，包括非ASCII空格：
a, b = str.split(/[[:space:]]/)
我假设您使用的是Ruby 1.9+并且您的str具有正确的编码（例如utf-8）。正如regex reference中所述，\s仅匹配ASCII空格，而[[:space:]]将匹配所有unicode空格（\d与[[:digit:]]相同，等等... ）
答案 1 :(得分：5)
当我处理大量XML时，我会遇到类似的问题。
在解析之后，我不会尝试删除NBSP，有时我会看到它们是否以原始XML中的编码形式出现，然后在解析之前进行全局搜索和替换。在这些职位中寻找 或\xa0或类似内容。
或者，你可以做其他几件事：
您可以将分割更改为更智能的内容：
# encoding: UTF-8
NBSP = "\u00a0"
str = "a b\tc#{ NBSP }z"
str.split(/(?:\s|#{ NBSP })+/) # => ["a", "b", "c", "z"]
或
str.gsub(NBSP, ' ').split(' ')
=> ["a", "b", "c", "z"]