有没有办法对带有波浪号的字符使用正则表达式匹配？答案

【问题标题】：Is there a way to use regexp match for characters with tilde?有没有办法对带有波浪号的字符使用正则表达式匹配？
【发布时间】：2010-12-04 23:52:11
【问题描述】：

看看这个：

"nAo".match(/(nao)/i) # => #<MatchData "nAo" 1:"nAo">

"nÃo".match(/(não)/i) # => nil

有办法解决吗？

编辑：在与 i 标志（忽略大小写）进行正则表达式比较时，ruby 似乎缺乏对 unicode 字符的支持...... 使用 MRI 1.8.7p249

【问题讨论】：

检查您在问题中的假设并相应地更新它。从上面可以看出，Ruby 并没有将 Ã 和 ã 识别为大小写相关，仅此而已。其中，虽然仍然是一个问题，但却是一个不同的问题。
Perl 当然可以对 Unicode 应用不区分大小写。默认情况下，它不执行 NFD 样式的规范等价，而是 chr(0x17F) =~ /s/i，例如，其中 017F 是 LATIN SMALL LETTER LONG S。类似地，"N\N{U+C3}O" =~ /n\N{U+E3}o/i。要处理带有组合标记的替代表示，您需要先将模式和字符串都转换为 NFD（规范分解）。
我不熟悉 unicode 问题，但最好提一下您使用的 Ruby 版本。
@tchrist，你的意思是“Perl”还是“Ruby”？毕竟这是一个 Ruby 问题。

【解决方案1】：

不了解 Ruby，但大多数正则表达式引擎不理解非 ASCII 字符的大写/小写。您能做的最好的事情是：

/(n[ãÃ]o)/

理解大写/小写关系的问题在于它依赖于语言。 Unicode 只编码字符的形式，而不是含义。因此，unicode 中的大写字符可以有不同的小写字符，具体取决于语言。

以SS 为例。在英语中，小写字母为ss，但在德语中可以为ß。另一个例子是字母I，它在英语中是小写i，但在土耳其语中它的小写是ı（没有点）。那是因为土耳其语中的i 是大写的İ（带点）。

因此，大多数正则表达式实现只是放弃并拒绝理解标准 ASCII 以外字符的大写/小写关系。

【讨论】：

问题超出了大写和小写的范围。 Unicode 字符可以通过几种不同的方式定义，并且仍然返回相同的字符视觉表示。见Ready-made versus composite characters。基本上，我们不再在堪萨斯了。 :-)
我当然不会声称大多数正则表达式引擎不能处理 Unicode 大小写！ Perl 总是这样，如果你使用(?iu)，Java 也会这样做。在 Perl 中，"\N{U+DF}" =~ /ss/i 返回 1。类似地，` "\x{FB03}" =~ /ffi/i` 也是如此。
我实际上发现将模式和字符串转换为 NFD 过于复杂，因此决定坚持使用 slebetman 提出的这个简单的解决方法，稍作调整：string.upcase.match(/NÃO|NAO/) - 它似乎像一个魅力！

【解决方案2】：

尝试为 Ruby 找到一些 unicode normalization 模块。

【讨论】：

【解决方案3】：

请注意，Ruby 从 1.9 开始就有更好的字符支持（看起来你运行的是 Ruby 1.8.7）。旧的正则表达式引擎在 Ruby 1.9 中被 Oniguruma 取代。

【讨论】：