如何在 Ruby 中将非 Unicode 字符串与正则表达式匹配？

【问题标题】：How to match non-Unicode string with regexp in Ruby?如何在 Ruby 中将非 Unicode 字符串与正则表达式匹配？
【发布时间】：2020-02-12 07:09:43
【问题描述】：

我想匹配包含\xa0的字符串，比如：

"\xa0" =~ /\xa0/

但是会抛出错误：

SyntaxError: (eval):2: invalid multibyte escape: /\xa0/

我正在尝试使用 Unicode 来匹配：

"\xa0" =~ /\u00a0/

也会抛出错误：

ArgumentError: invalid byte sequence in UTF-8

那么，如何在 ruby 中匹配 \xa0

【问题讨论】：

标签： regex ruby ascii

【解决方案1】：

并非每个字节序列都是有效的 Unicode 字符串。（或者更具体地说是 UTF-8）

例如，您的单字节字符串不是：

str = "\xa0"

str.encoding        #=> #<Encoding:UTF-8>
str.valid_encoding? #=> false
str.codepoints      #   ArgumentError (invalid byte sequence in UTF-8)

要处理任意字符串，您已将其编码设置为binary / ASCII：

str = "\xa0".b      # <-- note the .b

str.encoding        #=> #<Encoding:ASCII-8BIT>
str.valid_encoding? #=> true
str.codepoints      #=> [160]

并将regexp encoding 设置为ASCII：（通过n 修饰符）

str =~ /\xa0/n
#=> 0

【讨论】：

@TangMonk 因为字节 0x01 是 Unicode 中的有效代码点。