如何在 Perl 6 中用代码点而不是字形替换字符串？答案

【问题标题】：How can I substitute in strings in Perl 6 by codepoint rather than by grapheme?如何在 Perl 6 中用代码点而不是字形替换字符串？
【发布时间】：2019-02-14 23:19:44
【问题描述】：

我需要使用 Perl 6 从字符串中删除变音符号。我尝试这样做：

my $hum = 'חוּם';
$ahm.subst(/<-[\c[HEBREW LETTER ALEF] .. \c[HEBREW LETTER TAV]]>/, '', :g);

我正在尝试删除所有不在 HEBREW LETTER ALEF (א) 和 HEBREW LETTER TAV (ת) 范围内的字符。我希望以下代码返回“חום”，但它返回“חם”。

我猜想发生的情况是默认情况下 Perl 6 按字素工作，认为 וּ 是一个字素，并删除了所有字素。通过字素工作通常是明智的，但在我的情况下，我需要它通过代码点工作。

我试图找到一个可以通过代码点使其工作的副词，但找不到。也许 Perl 6 中还有一种方法可以使用 Unicode 属性来排除变音符号，或者只包含字母，但我也找不到。

谢谢！

【问题讨论】：

标签： regex unicode raku

【解决方案1】：

我的正则表达式很弱，所以我会选择一个不那么神奇的解决方案。

首先，您可以通过samemark删除所有标记：

'חוּם'.samemark('a')

其次，您可以通过.NFD 分解字素并对单个代码点进行操作——例如只保留属性Grapheme_Base 的值——然后重新组合字符串：

Uni.new('חוּם'.NFD.grep(*.uniprop('Grapheme_Base'))).Str

在混合字符串的情况下，从希伯来字符中剥离标记只能如下所示：

$str.subst(:g, /<:Script<Hebrew>>+/, *.Str.samemark('a'));

【讨论】：

在实际应用程序中，转换应仅限于希伯来语脚本序列以避免负面影响。

【解决方案2】：

这是一个简单的方法：

my $hum = 'חוּם';
my $min = "\c[HEBREW LETTER ALEF]".ord;
my $max = "\c[HEBREW LETTER TAV]".ord;
my @ords;
for $hum.ords {
    @ords.push($_) if $min ≤ $_ ≤ $max; 
}
say join('', @ords.map: { .chr });

输出：

חום

【讨论】：