regex - 如何通过代码点而不是字素替换 Perl 6 中的字符串？

Question

我需要使用 Perl 6 从字符串中删除变音符号。我尝试这样做:

my $hum = 'חוּם';
$ahm.subst(/<-[\c[HEBREW LETTER ALEF] .. \c[HEBREW LETTER TAV]]>/, '', :g);

我试图删除不在 HEBREW LETTER ALEF (א) 和 HEBREW LETTER TAV (ת) 之间范围内的所有字符。我希望以下代码返回“חום”，但它返回“חם”。

我想会发生的情况是，默认情况下，Perl 6 通过字素工作，将 וּ 视为一个字素，并将其全部删除。通过字素工作通常是明智的，但在我的情况下，我需要它通过代码点工作。

我试图找到一个可以通过代码点使其工作的副词，但找不到它。也许 Perl 6 中还有一种方法可以使用 Unicode 属性来排除变音符号，或者只包含字母，但我也找不到。

谢谢!

Answer 1

我的正则表达式很弱，所以我会选择一个不那么神奇的解决方案。

首先，您可以通过 samemark 删除所有标记:

'חוּם'.samemark('a')

其次，您可以通过 .NFD 分解字素。并对单个代码点进行操作 - 例如，仅保留属性 Grapheme_Base 的值- 然后重新组合字符串:

Uni.new('חוּם'.NFD.grep(*.uniprop('Grapheme_Base'))).Str

在混合字符串的情况下，从希伯来字符中剥离标记只能如下所示:

$str.subst(:g, /<:Script<Hebrew>>+/, *.Str.samemark('a'));