nbsp 的 Ruby 正则表达式处理答案

【问题标题】：Ruby regexp handling of nbspnbsp 的 Ruby 正则表达式处理
【发布时间】：2016-01-26 12:13:50
【问题描述】：

在 ruby 1.9.3 中，正则表达式引擎不会将 nbsp (\u00A0) 视为空格 (\s)。这对我来说常常是一个无赖。

所以我的问题是，这会在 2.0 中发生变化吗？如果没有，有没有办法猴子补丁解决方案？

【问题讨论】：

【解决方案1】：

使用 Unicode 属性（您需要声明匹配的源代码编码才能使用）：

# encoding=utf-8 
if subject ~= /\p{Z}/
    # subject contains whitespace or other separators

或使用 POSIX 字符类：

if subject ~= /[[:space:]]/

根据the docs，\s 现在和将来只会匹配[ \t\r\n\f]。

【讨论】：

感谢蒂姆，\p{Z} 很有趣。你能解释一下你所说的其他分隔符是什么意思吗？
@pguardiario：对不起，我不知何故错过了你的评论。 Unicode 标准定义了许多其他分隔符，这些分隔符似乎主要用在东方语言中，其中单词不一定用空格分隔。

【解决方案2】：

在 Ruby 中，我推荐使用“空格分隔符”\p{Zs}的Unicode字符类：

/\p{Zs}/u  =~  "\xC2\xA0"
/\p{Zs}/u  =~  "\u00A0"
/\p{Zs}/u  =~  HTMLEntities.new.decode('&nbsp;')

有关更多信息，请参阅 Ruby 文档Unicode character properties。

注意：请确保您的输入字符串是有效的 UTF-8 编码。其他编码中也有不间断的空格，例如ISO-8859-1 (Latin1) 中的“\xA0”。 More info on the "non-breaking space".

仅供参考：在大多数支持 Unicode 的 RegExp 风格和编程语言中，字符类 \s 通常包括来自 Unicode“分隔符”属性 \p{Z} 的所有字符（如 Tim Pietcker 所述）；但是，Java 和 Ruby 是这里流行的例外，\s 仅匹配 [ \t\r\n\f]。

【讨论】：