如何使用regexp匹配unicode字符代码点12288

Question

我在用户输入文本中找到了一个空白字符(在数据库和网页中显示为空白)，我想将其过滤掉。

我得到的这个字符的unicode代码点是12288 (我认为是这个字符：编解码器.NET/U+12288，对吗？)

我如何在Ruby中使用RegExp来匹配它呢？

非常感谢你的帮助。

更新：

嗨，伙计们，非常感谢。我从你的回复中学到了很多，但还是没有用。

我发现我的用户输入中的字符不是字符编解码器.NET/U+12288，而是调用.codepoints返回12288，因此匹配的\u12288无法工作。为什么会这样呢？

> str = note.public_stripped_content
=> "　　权谋术，在古代称之为帝王术..."
> str.encoding
=> #<Encoding:UTF-8>
> str[0].codepoints
=> [12288]
> "\u12288"
=> "ረ8"
> "\u12288"[0]
=> "ረ"
> "\u12288"[1]
=> "8"
> "\u12288"[0].codepoints
=> [4648]
> "\u12288"[1].codepoints
=> [56]

下面是我在Rails控制台中所做的工作。(你可以忽略汉字，有问题的字符是前面的空格。)

> str = note.public_stripped_content
=> "　　权谋术，在古代称之为帝王术..."
> str.encoding
=> #<Encoding:UTF-8>
> str[0].codepoints
=> [12288]
> str.delete("\u12288")
=> "　　权谋术，在古代称之为帝王术..."
> str[0].codepoints
=> [12288]
> print /\u12288/.match(str)
=> nil
> str.gsub(/\p{Cuneiform}/u,'')
=> "　　权谋术，在古代称之为帝王术..."

Answer 1

codepoints返回一个整数数组，这些整数作为十进制值进行打印。在字符串文本中，必须使用十六进制值按代码点指定字符。您可以这样map codepoints的结果：

string = "权谋术，在古代称之为帝王术..."
string.codepoints 
# =>  [12288, 12288, 26435, ... ]
string.codepoints.map { |c| c.to_s(16) }
# => ["3000", "3000", "6743", ... ]

您需要的实际代码点是3000。如果只想删除它，则不需要regexp，调用delete (或delete!，如果适当的话)即可：

string.delete("\u3000")
# => "权谋术，在古代称之为帝王术..."

Update：要指定长度超过4位(十六进制)的代码点，必须用大括号包装：

"\u12288".codepoints # => [4648, 56]
"\u{12288}".codepoints # => [74376]

Answer 2

您也可以通过匹配它的通用类别或脚本来实现这一点，如果它是真正的unicode的话。

str = "FooBar"

按类别：Regex101实例

#match by category Other Letter (Lo)
str.gsub(/\p{Lo}/u,'')

By Script：Regex101实例

#match by script Cuneiform
str.gsub(/\p{Cuneiform}/u,'')

Answer 3

我可以想到#tr!：

>> string = "foo\u12288bar"
=> "fooረ8bar"
>> string.tr!("\u12288","")
=> "foobar"
>> string
=> "foobar"