如何使用正则表达式匹配 unicode 字符代码点 12288

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白 space），我想将其过滤掉。

我得到的那个字符的 unicode 代码点是 12288（我认为是这个字符：codepoints.net/U+12288，对吗？）。

如何在 Ruby 中使用 RegExp 匹配它？

非常感谢您的帮助。

更新：

大家好，非常感谢。我真的从你的回复中学到了很多东西，但它仍然不起作用。

我发现我的用户输入的字符不是字符 codepoints.net/U+12288，而是调用 .codepoints 它 returns 12288 所以匹配 \u12288 不是在职的。这是为什么？

> 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]

以下是我在 Rails 控制台上所做的。（汉字可以忽略，有问题的字符是前导空格。）

> 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

我能想到#tr!:

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

Answer 2

如果它确实以 unicode 形式出现，您也可以通过匹配它的一般类别或脚本来做到这一点。

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 3

因为您的 int 值为 12288 并且 \u 取四位十六进制数字。尝试：\u3000

Answer 4

codepoints returns 一个整数数组，作为十进制值打印结束。在字符串文字中，您必须使用十六进制值按代码点指定字符。您可以 map 像这样 codepoints 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）即可:

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，您必须将其括在大括号中：

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

如何使用正则表达式匹配 unicode 字符代码点 12288

How to match unicode character code point 12288 using regexp

ruby

regex

unicode