如何只阅读英文字符
我正在阅读一个有时会有中文和英文以外语言字符的文件。
如何编写只读英文单词/字母的正则表达式？
应该只是/^[a-zA-Z]+/ ？
如果我这样做，那么像“eété”这样的词仍然会被选中，但我不希望这样：
"été".match(/^[a-zA-Z]+/) => #nil good I didn't want that word "eété".match(/^[a-zA-Z]+/) => #not nil tricked into picking something I did not want
你需要$ ，这意味着行尾：
/^[a-zA-Z]+$/
或者如果你使用这种过滤：
strings.select { |s| /^[a-zA-Z]+$/ =~ s } # which is equal to strings.grep /^[a-zA-Z]+$/
你可以使用负过滤方法，稍微简化正则表达式：
strings.reject { |s| /[^a-zA-Z]/ =~ s }
其中[^a-zA-Z]表示任何非英语字符 。
想到的唯一真正的英文字母是wynnƿ 。
人们可以为ethð和刺 þ做出争论，但这可能是一个比wynn更弱的论点。
除此之外，英语通常使用拉丁字母，尽管有一些修改。 Wynn可能除外，没有英文字母，只有拉丁字母。
当然存在正则表达式，要求基本字符在拉丁语或公共脚本中，例如
(?:[\p{Script=Latin}\p{Script=Common}]\pM*+)+
但是，由于您没有指定是使用7位还是8位版本的Ruby还是21位版本，我不知道该告诉您什么。
有时使用Iconv库来处理非ASCII是有用的：
require 'iconv' utf8_to_latin1 = Iconv.new("LATIN1//TRANSLIT//IGNORE", "UTF8") # !> encoding option isn't portable: TRANSLIT//IGNORE utf8_to_ascii_translit = Iconv.new("ASCII//TRANSLIT", "UTF8") # !> encoding option isn't portable: TRANSLIT utf8_to_ascii_ignore = Iconv.new("ASCII//IGNORE", "UTF8") # !> encoding option isn't portable: IGNORE resume = "Résumé" utf8_to_latin1.iconv(resume) # => "R\xE9sum\xE9" utf8_to_ascii_translit.iconv(resume) # => "R'esum'e" utf8_to_ascii_ignore.iconv(resume) # => "Rsum"
请注意，Ruby警告选项选项不可移植。 这意味着正在处理的字符串可能会受到一些损坏; “// TRANSLIT”和“// IGNORE”选项会降低字符串的质量，但出于我们的目的，它可以。
James Gray写了一篇关于使用iconv转换编码的好文章，这对于理解Iconv可以做什么以及处理UTF-8和Unicode字符非常有用。