ruby - 匹配类似空格的字符的最佳方法是什么？

Question

我以为 [[:space:]] 匹配所有类似空格的字符，但“零宽度空格”是个异常(exception)。

# normal space
32.chr('UTF-8').match?(/[[:space:]]/) #=> true
# no break space
160.chr('UTF-8').match?(/[[:space:]]/) #=> true
# en space 
8194.chr('UTF-8').match?(/[[:space:]]/) #=> true
# em space
8195.chr('UTF-8').match?(/[[:space:]]/) #=> true
# thin space
8201.chr('UTF-8').match?(/[[:space:]]/) #=> true
# ideographic space
12288.chr('UTF-8').match?(/[[:space:]]/) #=> true
# zero width space
8203.chr('UTF-8').match?(/[[:space:]]/) #=> false
# zero width no break space
65279.chr('UTF-8').match?(/[[:space:]]/) #=> false

如何编写匹配所有这些空格的正则表达式？

Answer 1

不幸的是，两个零宽度空格不被视为空格，而是“Other:Format”字符。

对应the specification , CtrlF 为 200B，标题为“格式字符”。既然你想匹配 ZWSP，我看不出有什么理由不匹配所有格式字符，可以做什么:

/\p{Zs}|\p{Cf}/ =~ 65279.chr('UTF-8')
#⇒ 0

另请注意，在处理 Unicode 时，任何明确的字符枚举都是非常糟糕的主意。规范经常更改，在这种情况下，明确的字符列表将在明天早上变得过时。

一般有两种处理方法:

• 解析联盟规范(例如 elixir 这样做是为了确保正确处理 最新 版本的 unicode，)
• 使用通用“组”(例如 [[:space:]] 或 \p{Zs}。)