Ruby 1.9：如何正确大写和小写多字节字符串？答案

【问题标题】：Ruby 1.9: how can I properly upcase & downcase multibyte strings?Ruby 1.9：如何正确大写和小写多字节字符串？
【发布时间】：2010-12-27 00:05:30
【问题描述】：

因此 matz 决定在 ruby 1.9.1 中将 upcase 和 downcase 限制为 /[A-Z]/i。

ActiveSupport::Multibyte 长期以来在 ruby 1.8.x 中通过String#mb_chars 进行了出色的 i18n 大小写测试。

但是，在 ruby 1.9.1 下尝试时，它似乎不起作用。这是我编写的一个简单的测试脚本，以及我得到的输出：

$ cat test.rb
# encoding: UTF-8

puts("@ #{RUBY_VERSION} " + (__ENCODING__ rescue $KCODE).to_s)
sd, su = "Iñtërnâtiônàlizætiøn", "IÑTËRNÂTIÔNÀLIZÆTIØN"
def ps(u, d, k); puts "%-30s:  %24s / %-24s" % [k, u, d] end
ps sd.upcase, su.downcase, "Plain ruby"

require 'rubygems'; require 'active_support'
ps sd.upcase, su.downcase, "With active_support"
ps sd.mb_chars.upcase.to_s, su.mb_chars.downcase.to_s, "With active_support mb_chars"

$ ruby -KU test.rb
@ 1.8.7 UTF8
Plain ruby                    :  IñTëRNâTIôNàLIZæTIøN / iÑtËrnÂtiÔnÀlizÆtiØn
With active_support           :  IñTëRNâTIôNàLIZæTIøN / iÑtËrnÂtiÔnÀlizÆtiØn
With active_support mb_chars  :  IÑTËRNÂTIÔNÀLIZÆTIØN / iñtërnâtiônàlizætiøn

$ ruby1.9 test.rb
@ 1.9.1 UTF-8
Plain ruby                    :      IñTëRNâTIôNàLIZæTIøN / iÑtËrnÂtiÔnÀlizÆtiØn
With active_support           :      IñTëRNâTIôNàLIZæTIøN / iÑtËrnÂtiÔnÀlizÆtiØn
With active_support mb_chars  :      IñTëRNâTIôNàLIZæTIøN / iÑtËrnÂtiÔnÀlizÆtiØn

那么，如何使用 ruby 1.9.1 国际化 upcase 和 downcase？

更新

我应该补充一点，我还在 GitHub 的当前 master、2-3-* 和 3-0-unstable rails 分支中使用 ActiveSupport 进行了测试。结果相同。

【问题讨论】：

标签： ruby unicode utf-8 internationalization multibyte

【解决方案1】：

对于来自 Google 的任何人，ruby upcase utf8：

> "your problem chars here çöğıü Iñtërnâtiônàlizætiøn".mb_chars.upcase.to_s
=> "YOUR PROBLEM CHARS HERE ÇÖĞIÜ IÑTËRNÂTIÔNÀLIZÆTIØN"

解决方案是使用mb_chars。

文档：

【讨论】：

不，这不是解决方案，因为大小写转换取决于区域设置。例如，'ß' 在德国语言环境中会大写为 'SS'，而在美国语言环境中则不会。
只是指向 ActiveSupport::Multibyte::Chars 类的链接：api.rubyonrails.org/classes/ActiveSupport/Multibyte/Chars.html

【解决方案2】：

大小写转换取决于语言环境，并不总是往返，这就是为什么 Ruby 1.9 没有涵盖它（请参阅here 和 here）

unicode-util gem 应该可以满足您的需求。

【讨论】：

酷，他们甚至在自述文件中使用了臭名昭著的大写土耳其语 I 和一个点，这体现了您提到的语言环境依赖性。

【解决方案3】：

大小写转换很复杂并且取决于语言环境。幸运的是，Martin Dürst 在 Ruby 2.4 中添加了full Unicode case mapping：

puts RUBY_DESCRIPTION

sd, su = "Iñtërnâtiônàlizætiøn", "IÑTËRNÂTIÔNÀLIZÆTIØN"
def ps(u, d, k); puts "%-30s:  %24s / %-24s" % [k, u, d] end 
ps sd.upcase,              su.downcase,              "Ruby 2.4 (default)"
ps sd.upcase(:ascii),      su.downcase(:ascii),      "Ruby 2.4 (ascii)"
ps sd.upcase(:turkic),     su.downcase(:turkic),     "Ruby 2.4 (turkic)"
ps sd.upcase(:lithuanian), su.downcase(:lithuanian), "Ruby 2.4 (lithuanian)"
ps "-",                    su.downcase(:fold),       "Ruby 2.4 (fold)"

输出：

ruby 2.4.0dev (2016-06-24 trunk 55499) [x86_64-linux]
Ruby 2.4 (default)            :      IÑTËRNÂTIÔNÀLIZÆTIØN / iñtërnâtiônàlizætiøn
Ruby 2.4 (ascii)              :      IñTëRNâTIôNàLIZæTIøN / iÑtËrnÂtiÔnÀlizÆtiØn
Ruby 2.4 (turkic)             :      IÑTËRNÂTİÔNÀLİZÆTİØN / ıñtërnâtıônàlızætıøn
Ruby 2.4 (lithuanian)         :      IÑTËRNÂTIÔNÀLIZÆTIØN / iñtërnâtiônàlizætiøn
Ruby 2.4 (fold)               :                         - / iñtërnâtiônàlizætiøn

【讨论】：