ruby - 文本解析问题，字符看起来像更长的 'hyphen' 并且有 3 个 ASCII 值

Question

这里是恶魔角色-;检查它我得到了 3 个 ASCII 值:

ASCII code 226 128 147

现在我想知道如何在我的正则表达式中使用这个字符。

Answer 1

这些都不是 ASCII 值，因为 ASCII 范围是 0 到 127，没有更高的。 UTF-8 中的代码点 U+2010 HYPHEN 是用您在此处列出的三个字节值编写的，如以下所示:

$ perl -CS -e 'print "\x{2010}"' | perl -C0 -ne 'printf "%vd\n",$_'
226.128.144

您可以使用 the uniprops script 获取该代码点的名称和字符属性:

$ uniprops U+2010
U+2010 ‹‐› \N{ HYPHEN }:
    \pP \p{Pd}
    All Any Assigned InGeneralPunctuation Common Zyyy Dash Dash_Punctuation Pd P General_Punctuation Gr_Base Grapheme_Base Graph GrBase Hyphen Punct Pat_Syn Pattern_Syntax PatSyn Print Punctuation

具有 Unicode Dash 属性的其他常见代码点包括 the unichars script 所示的代码点:

 $ unichars '\p{Dash}'
 -    45 002D HYPHEN-MINUS
 ‐  8208 2010 HYPHEN
 ‑  8209 2011 NON-BREAKING HYPHEN
 ‒  8210 2012 FIGURE DASH
 –  8211 2013 EN DASH
 —  8212 2014 EM DASH
 ―  8213 2015 HORIZONTAL BAR
 ⁓  8275 2053 SWUNG DASH
 ⁻  8315 207B SUPERSCRIPT MINUS
 ₋  8331 208B SUBSCRIPT MINUS
 −  8722 2212 MINUS SIGN