正則表達式去掉Ruby中的符號而不是外來字符

有沒有人有一個很好的正則表達式來剝離字符串中的所有符號（';。，_ \ $ @！％回車等），而不會損壞任何外部字符（é多فا等）？我猜，非正則表達式會更好，但我沒有看到任何Ruby或Rails方法。正則表達式去掉Ruby中的符號而不是外來字符

來源

2010-02-09 William Jones

什麼是符號？這似乎是一個模糊的要求。 &是一個符號，儘管它只是「and」這個詞的簡寫。是！一個符號，即使它在音譯一些非洲語言時用作字母字符？如果$是符號，這是否意味着円也是一樣？我認爲回答這個問題對於提出行動方案將有很大的幫助。

我認爲最接近你可能得到的正則表達式是/[^\w\s]/。 Ruby 1.9的Regexp引擎是爲了正確理解外語，以正確地知道哪些是「單詞」字符，所以這將離開這些和空間。在我的測試中，這可以正確地從英語，日語和德語句子中刪除標點符號，同時留下週圍的字符。但是，美元兌甜甜圈會出現邊緣情況，幾乎可以解決任何解決方案 - 處理世界上各種各樣的語言（其中有些甚至沒有字，我們知道他們是）是一項非常複雜的任務。

來源

2010-02-09 19:07:57 Chuck

我想把＆作爲一個象徵，以及$和円都作爲符號。好神，我不知道！在某些語言中被用作字母字符，這真的很難。不過，我認爲這足以證明一個邊緣案例，我願意把它作爲一個符號來拋棄。一般規則是，我願意將其作爲符號包含在內，而不是包含在內，而不是將外部語言中完全普通的單詞或句子完全刪除。 – 2010-02-09 20:02:08

@williamjones：實際上，我的意思是「円」的意思是它既用作$符號的等價物，又用作形成單詞的普通字符（例如shibunen，意思是象限）。順便說一句，我在我的修改中提出的正則表達式將永遠保留它。 – Chuck 2010-02-09 21:20:57

謝謝，這似乎從我的初步測試非常好。只改變我所做的就是使用/ [^ \ w] /來取消非空格的空白字符，例如回車符。 – 2010-02-09 22:41:50

好辦法做到這一點是在正則表達式來使用新的（ISH）Unicode字符類，如\P{L}匹配任何是不是根據Unicode一個字母（在任何語言）。不幸的是，Ruby似乎不支持這個，即使在1.9。

也許1.9正則表達式語法分析器足夠聰明，不能匹配Unicode字符中構成特殊符號的字節，所以簡單列舉所有要去掉的字符都可以工作。這假定你真的可以枚舉你想要過濾出的所有字符，這可能比ASCII中的符號要多得多，比如邏輯不對，飛機等等......

來源

2010-02-09 18:51:27

正則表達式去掉Ruby中的符號而不是外來字符

回答

相關問題