regex - OCaml:如何从字符串中删除所有非字母字符？

Question

如何从字符串中删除所有非字母字符？

例如

"Wë_1ird?!"  ->  "Wëird"

在 Perl 中，我会使用 =~ s/[\W\d_]+//g 来完成此操作。在 Python 中，我会使用

re.sub(ur'[\W\d_]+', u'', u"Wë_1ird?!", flags=re.UNICODE)

等等

AFAICT，Str.regex 不支持 \W、\d 等(我不能告诉它是否支持 Unicode，但不知何故我对此表示怀疑)。

Answer 1

Str 不支持 Unicode。假设您正在处理 UTF-8 编码的数据。您可以使用 Uutf和 Uucp如下:

let keep_alpha s =
  let b = Buffer.create 255 in
  let add_alpha () _ = function
  | `Malformed _ -> Uutf.Buffer.add_utf_8 b Uutf.u_rep
  | `Uchar u -> if Uucp.Alpha.is_alphabetic u then Uutf.Buffer.add_utf_8 b u
  in
  Uutf.String.fold_utf_8 add_alpha () s;
  Buffer.contents b

# keep_alpha "Wë_1ird?!";;
- : string = "Wëird"