如何删除特定的字符集而不是其他字符集？
How do I remove particular sets of characters and not others?
由于拙劣的字符解码，我有一组标题看起来像这样，特殊字符后跟其他字符，如 ñ，原始字符中没有：
Päivän Jälkeen
Tuuli kääntyä voi
Päivän Jälkeen
Tuuli kääntyä voi
｢Eurotrash｣
Le Désert N'Est Plus En Afrique
我知道我可以使用类似 s:g / ... / ... / 的东西，但我不确定如何只匹配特殊字符 (├、╜) 而不是捕获撇号、空格等。
当使用 \W 尝试捕获“不是 'word' 中使用的字符”时，我 运行 遇到了匹配撇号、空格等的问题。
因此，我的问题是，在尝试从字词中删除这些字符时，我遗漏了什么有用的东西？
TL;DR 两个解决方案加上一些进一步的讨论。
适用于您的示例的最简单的解决方案
<:So>
例如：
say
S:g /<:So>//
given
'Päivän Jälkeen'
# Pñivñn Jñlkeen
上述解决方案的解释
首先，一个看似简短但会让你很快深入的解释：
了解 Unicode character properties. Here's the official Unicode Character Database doc。
研究有关在 Raku 中使用 Unicode 属性的 Raku 材料（例如 the latest Raku documentation on Unicode properties) and discussions (eg searches of SO: "unicode property", "unicode properties"）。
了解参考 Raku 编译器 (Rakudo) 实际如何使用它们。 （它变得复杂；见 SO What are all the Unicode properties a Raku character will match。）
现在稍微长一点的解释可能比上面概述的方法更容易理解这些东西：
在 Raku 正则表达式中，<...> 是 ... 为真的一般断言。 许多 可以是 ... 的变体。¹
一种变体是当前字符与字符 class 或 class 的某种组合相匹配，由 <...> 指定。这个 Raku 字符 class 表达式 ... 可以有 许多 变体。²
字符 class 表达式的一种变体是显式 Unicode 字符 属性 值；它将匹配具有该 Unicode 字符 属性 值的字符。 Unicode 字符 属性 及其值可以有 许多 变体； <:So> 是一个示例，适用于您的场景。³
这是我为您的场景 select 那个角色 class 所经历的过程：
我使用 util.unicode.org 托管实用程序查看 properties of the ├ character。⁴
我重点关注 table 左栏顶部附近列出的 General_Category 属性。这是在 Raku 正则表达式中指定的常见 属性。您通常不会通过写 <:General_Category...> 来指定它，... 是类别，而是只写 <:category>，其中 category 是类别。
我记下了 General_Category 值（下一列）：Other_Symbol。如果您阅读与 General_Category 属性 相关的 Unicode 或 Raku 文档，您会看到 So 是 Other_Symbol.
的简称
要在 Raku 中指定 Unicode 属性，请使用 Raku 的冒号对文字语法编写它。键可以是许多 Unicode 属性中的任何一个。⁵ 因此，要匹配具有 So 属性 的字符，请在正则表达式中写入 <:So>。
要从字符串中删除具有 class 的字符，一种选择是使用 s/// 结构：
say
S:g /<:So>//
given
'Päivän Jälkeen'
# Pñivñn Jñlkeen
获得相同结果的另一种方法
您可能想对字符 classes / 个字符进行“算术运算”，加一些，减一些：
say
S:g / <+ [\W] - [\s] - ['] > //
given
'Päivän Jälkeen'
# Pñivñn Jñlkeen
将 <+ [\W] - [\s] - ['] > 读作“不是单词字符，也不是 space 字符，也不是 '”。
参见 Enumerated character classes and ranges in the Character Class section of Raku's doc for further details of using enumerated classes (using < [...] >) and adding/subtracting classes (using + and -) and/or 。
对于某些用例，这种方法可能会简化获得您想要 and/or 表达结果的精确结果，这样其他人或未来的您就可以更轻松地维护它。但这完全取决于我将在下一节中讨论的内容。
进一步讨论您的问题：“等等”
I am unsure of how to capture just the special characters as opposed to capturing apostrophes, spaces, and so on.
假设您使用了我展示的一种或另一种或两种解决方案。你怎么知道他们真的是你想要的？答案是您需要探索 Unicode。像 \w/\W、\s/\S 等字符 class 只是 Unicode 属性的便捷快捷方式，所以如果你想确定发生了什么。鉴于这一切最终都归结为 Unicode 属性，让我们讨论 <:So> 解决方案。
正如我们在上面看到的，├ 的 General_Category 属性（如上面的实用程序 linked 所示）是 link/value Other_Symbol.
如果单击后者 link，您将看到对应于 Unicode Other_Symbol 字符 class 的页面。这是一大堆混乱的 black-and-white 符号和彩色表情符号，然后是其他符号的有序列表。超过6000个字符！
此字符 class 是否包含可归类为“spaces”的字符？我几乎可以肯定它不会，但这将由你来解决，而不是我。 “撇号”呢？与“spaces”相比，我对此不太确定，但我再次认为它不会包含可称为或归类为“撇号”的字符。 Other_Symbol字符class是否包含“等等”？！？也许抛硬币？也许在页面浏览器中搜索 Other_Symbol 页面上的特定字符？
当我不使用托管在 util.unicode.org 或类似工具上的工具时，我偶尔用来探索 Unicode 字符 classes 的一种方法是此 Raku 代码的变体：
say (^0x10FFFF)».chr.grep(/ <:So> /)
(^0x10FFFF) 是一种指定整数 Range 对应于所有1,114,112 个合法的 Unicode 代码点。 ».chr 迭代范围，生成从 0 开始的整数列表，对每个整数应用 .chr，从而生成与给定整数对应的 Unicode 字符。然后 .grep(/ <:So> /) 只保留 General_Category 为 Other_Symbol.
的字符
也就是说，那会很慢。您会想找到探索 Unicode 的其他方法。
其他选项包括 util.unicode.org 工具和 Raku 社区的 Unicodable which you can run by visiting the #raku IRC channel 并输入 u: ....
讨论“$_ ~~ s:g / \├ / /;”
when I attempt to directly escape the character in my regex via $_ ~~ s:g/ \├ / /;, the result stays the same
我无法重现。
我想你刚刚搞糊涂了。
如果您仍然坚信自己是对的，请出示 MRE。
脚注
¹ Raku 的很大一部分力量在于其强大的正则表达式。 的很大一部分是通过一般形式 <...>.
表达的
² 字符 class 语法包括从旧正则表达式格式继承的旧样式语法，例如 \s 以匹配 whitespace。但它们都只是 Unicode 属性或字符的快捷方式，而不是 ASCII 属性或字符的快捷方式，现在有更多的变化。
³ 如果您只浏览文档，您可能会认为 Raku 正则表达式只能匹配 Unicode 的 General_Category 属性。但是如果您查看代码示例，您会发现还有 <:Script<Latin>> 和 <:Block('Basic Latin')>。 （但它们是什么？）然后当您看到 util.unicode.org 属性 浏览器显示的大量属性时，您会意识到还有 大量 可以匹配的属性. Rakudo 匹配其中的许多但不是全部。有关详细信息，请参阅 What are all the Unicode properties a character will match?。
⁴ 或许将 links 添加到 Raku 文档中的一些实用程序中会是一件好事。 And/or creating/hosting 使用 Raku 的变体。
⁵ 我怀疑 Raku 在 Unicode 属性之外定义了一些形式为 <:foo> 的额外内容。例如，我知道 :space 有效（它匹配 ASCII space）但怀疑它不是 Unicode 属性。 Otoh 对我来说这听起来完全错误，并且与我对 Raku 设计的期望背道而驰。如果我确实找到了一种或另一种方式，我将更新此脚注。
由于拙劣的字符解码，我有一组标题看起来像这样，特殊字符后跟其他字符，如 ñ，原始字符中没有：
Päivän Jälkeen
Tuuli kääntyä voi
Päivän Jälkeen
Tuuli kääntyä voi
｢Eurotrash｣
Le Désert N'Est Plus En Afrique
我知道我可以使用类似 s:g / ... / ... / 的东西，但我不确定如何只匹配特殊字符 (├、╜) 而不是捕获撇号、空格等。
当使用 \W 尝试捕获“不是 'word' 中使用的字符”时，我 运行 遇到了匹配撇号、空格等的问题。
因此，我的问题是，在尝试从字词中删除这些字符时，我遗漏了什么有用的东西？
TL;DR 两个解决方案加上一些进一步的讨论。
适用于您的示例的最简单的解决方案
<:So>
例如：
say
S:g /<:So>//
given
'Päivän Jälkeen'
# Pñivñn Jñlkeen
上述解决方案的解释
首先，一个看似简短但会让你很快深入的解释：
了解 Unicode character properties. Here's the official Unicode Character Database doc。
研究有关在 Raku 中使用 Unicode 属性的 Raku 材料（例如 the latest Raku documentation on Unicode properties) and discussions (eg searches of SO: "unicode property", "unicode properties"）。
了解参考 Raku 编译器 (Rakudo) 实际如何使用它们。 （它变得复杂；见 SO What are all the Unicode properties a Raku character will match。）
现在稍微长一点的解释可能比上面概述的方法更容易理解这些东西：
在 Raku 正则表达式中，
<...>是...为真的一般断言。 许多 可以是...的变体。¹一种变体是当前字符与字符 class 或 class 的某种组合相匹配，由
<...>指定。这个 Raku 字符 class 表达式...可以有 许多 变体。²字符 class 表达式的一种变体是显式 Unicode 字符 属性 值；它将匹配具有该 Unicode 字符 属性 值的字符。 Unicode 字符 属性 及其值可以有 许多 变体；
<:So>是一个示例，适用于您的场景。³
这是我为您的场景 select 那个角色 class 所经历的过程：
我使用
util.unicode.org托管实用程序查看 properties of the├character。⁴我重点关注 table 左栏顶部附近列出的
General_Category属性。这是在 Raku 正则表达式中指定的常见 属性。您通常不会通过写<:General_Category...>来指定它，...是类别，而是只写<:category>，其中category是类别。我记下了
的简称General_Category值（下一列）：Other_Symbol。如果您阅读与General_Category属性 相关的 Unicode 或 Raku 文档，您会看到So是Other_Symbol.要在 Raku 中指定 Unicode 属性，请使用 Raku 的冒号对文字语法编写它。键可以是许多 Unicode 属性中的任何一个。⁵ 因此，要匹配具有
So属性 的字符，请在正则表达式中写入<:So>。要从字符串中删除具有 class 的字符，一种选择是使用
s///结构：say S:g /<:So>// given 'P├ñiv├ñn J├ñlkeen' # Pñivñn Jñlkeen
获得相同结果的另一种方法
您可能想对字符 classes / 个字符进行“算术运算”，加一些，减一些：
say
S:g / <+ [\W] - [\s] - ['] > //
given
'Päivän Jälkeen'
# Pñivñn Jñlkeen
将 <+ [\W] - [\s] - ['] > 读作“不是单词字符，也不是 space 字符，也不是 '”。
参见 Enumerated character classes and ranges in the Character Class section of Raku's doc for further details of using enumerated classes (using < [...] >) and adding/subtracting classes (using + and -) and/or
对于某些用例，这种方法可能会简化获得您想要 and/or 表达结果的精确结果，这样其他人或未来的您就可以更轻松地维护它。但这完全取决于我将在下一节中讨论的内容。
进一步讨论您的问题：“等等”
I am unsure of how to capture just the special characters as opposed to capturing apostrophes, spaces, and so on.
假设您使用了我展示的一种或另一种或两种解决方案。你怎么知道他们真的是你想要的？答案是您需要探索 Unicode。像 \w/\W、\s/\S 等字符 class 只是 Unicode 属性的便捷快捷方式，所以如果你想确定发生了什么。鉴于这一切最终都归结为 Unicode 属性，让我们讨论 <:So> 解决方案。
正如我们在上面看到的，├ 的 General_Category 属性（如上面的实用程序 linked 所示）是 link/value Other_Symbol.
如果单击后者 link，您将看到对应于 Unicode Other_Symbol 字符 class 的页面。这是一大堆混乱的 black-and-white 符号和彩色表情符号，然后是其他符号的有序列表。超过6000个字符！
此字符 class 是否包含可归类为“spaces”的字符？我几乎可以肯定它不会，但这将由你来解决，而不是我。 “撇号”呢？与“spaces”相比，我对此不太确定，但我再次认为它不会包含可称为或归类为“撇号”的字符。 Other_Symbol字符class是否包含“等等”？！？也许抛硬币？也许在页面浏览器中搜索 Other_Symbol 页面上的特定字符？
当我不使用托管在 util.unicode.org 或类似工具上的工具时，我偶尔用来探索 Unicode 字符 classes 的一种方法是此 Raku 代码的变体：
say (^0x10FFFF)».chr.grep(/ <:So> /)
(^0x10FFFF) 是一种指定整数 Range 对应于所有1,114,112 个合法的 Unicode 代码点。 ».chr 迭代范围，生成从 0 开始的整数列表，对每个整数应用 .chr，从而生成与给定整数对应的 Unicode 字符。然后 .grep(/ <:So> /) 只保留 General_Category 为 Other_Symbol.
也就是说，那会很慢。您会想找到探索 Unicode 的其他方法。
其他选项包括 util.unicode.org 工具和 Raku 社区的 Unicodable which you can run by visiting the #raku IRC channel 并输入 u: ....
讨论“$_ ~~ s:g / \├ / /;”
when I attempt to directly escape the character in my regex via
$_ ~~ s:g/ \├ / /;, the result stays the same
我无法重现。
我想你刚刚搞糊涂了。
如果您仍然坚信自己是对的，请出示 MRE。
脚注
¹ Raku 的很大一部分力量在于其强大的正则表达式。 的很大一部分是通过一般形式 <...>.
² 字符 class 语法包括从旧正则表达式格式继承的旧样式语法，例如 \s 以匹配 whitespace。但它们都只是 Unicode 属性或字符的快捷方式，而不是 ASCII 属性或字符的快捷方式，现在有更多的变化。
³ 如果您只浏览文档，您可能会认为 Raku 正则表达式只能匹配 Unicode 的 General_Category 属性。但是如果您查看代码示例，您会发现还有 <:Script<Latin>> 和 <:Block('Basic Latin')>。 （但它们是什么？）然后当您看到 util.unicode.org 属性 浏览器显示的大量属性时，您会意识到还有 大量 可以匹配的属性. Rakudo 匹配其中的许多但不是全部。有关详细信息，请参阅 What are all the Unicode properties a character will match?。
⁴ 或许将 links 添加到 Raku 文档中的一些实用程序中会是一件好事。 And/or creating/hosting 使用 Raku 的变体。
⁵ 我怀疑 Raku 在 Unicode 属性之外定义了一些形式为 <:foo> 的额外内容。例如，我知道 :space 有效（它匹配 ASCII space）但怀疑它不是 Unicode 属性。 Otoh 对我来说这听起来完全错误，并且与我对 Raku 设计的期望背道而驰。如果我确实找到了一种或另一种方式，我将更新此脚注。