ruby-on-rails - 我正在尝试解析一些表格，它们有一些奇怪的类似字母表的非 ascii 字符

Question

ＲＩZＡＬＴＥ

我有一些奇怪的角色，比如上面的那些。在 google 上，它可以工作，甚至可以在网络浏览器搜索功能上搜索相同的字符，但它在 ruby​​ 控制台上不匹配。

这是什么……？是否有某种表格可以将其替换为普通字母表？

Answer 1

这些是 Unicode 全角拉丁字符。例如，第一个是 U+FF32 , FULLWIDTH LATIN CAPITAL LETTER R. 您可以通过 Unicode normalization 将这些转换为“普通”拉丁字符.

如果您使用的是 Ruby 2.2 或更新版本，您可以使用内置的 String#unicode_normalize方法:

"ＲＩＺＡＬＴＥ".unicode_normalize(:nfkc)
# => "RIZALTE"

:nfkc 指的是规范化的类型，NFKC，这超出了这个答案的范围，但值得一读 Wikipedia article如果你想知道这里到底发生了什么。

对于早期版本的 Ruby，如果您使用的是 Rails，则可以使用 ActiveSupport::Multibyte::Chars#normalize方法，您可以通过 String#mb_chars 访问它:

"ＲＩＺＡＬＴＥ".mb_chars.normalize
# => "RIZALTE"

ActiveSupport 默认使用 NFKC。