如何在Ruby中检测字符串中的某些Unicode字符？
给定Ruby 1.8.7中的字符串（没有使用\ p {}支持Unicode属性的令人敬畏的Oniguruma正则表达式引擎），我希望能够确定该字符串是否包含一个或多个中文，日文或韩文字符; 即
class String def contains_cjk? ... end end >> '日本語'.contains_cjk? => true >> '광고 프로그램'.contains_cjk? => true >> '艾弗森将退出篮坛'.contains_cjk? => true >> 'Watashi ha bakana gaijin desu.'.contains_cjk? => false 我怀疑这将归结为查看字符串中的任何字符是否在Unihan CJKV Unicode块中 ，但我认为值得询问是否有人知道Ruby中的现有解决方案。
（ruby1.9.2）
#encoding: UTF-8 class String def contains_cjk? !!(self =~ /\p{Han}|\p{Katakana}|\p{Hiragana}|\p{Hangul}/) end end strings= ['日本', '광고 프로그램', '艾弗森将退出篮坛', 'Watashi ha bakana gaijin desu.'] strings.each{|s| puts s.contains_cjk?} #true #true #true #false
\ p {}匹配角色的Unicode脚本。
支持以下脚本：阿拉伯语，亚美尼亚语，巴厘语，孟加拉语，Bopomofo，盲文，Buginese，Buhid，Canadian_Aboriginal，Carian，Cham，Cherokee，Common，Coptic，Cuneiform，Cypriot，Cyrillic，Deseret，Devanagari，Ethiopic，Georgian，Glagolitic，哥特式，希腊语，古吉拉特语，Gurmukhi，汉语，朝鲜语，Hanunoo，希伯来语，平假名，inheritance，卡纳达语，片假名，Kayah_Li，Kharoshthi，高棉语，老挝语，拉丁语，Lepcha，Limbu，Linear_B，利西亚语，Lydian，马拉雅拉姆语，蒙古语，缅甸语， New_Tai_Lue，Nko，Ogham，Ol_Chiki，Old_Italic，Old_Persian，Oriya，Osmanya，Phags_Pa，Phoenician，Rejang，Runic，Saurashtra，Shavian，Sinhala，Sundanese，Syloti_Nagri，Syriac，Tagalog，Tagbanwa，Tai_Le，Tamil，Telugu，Thaana，Thai，西藏人，Tifinagh，Ugaritic，Vai和Yi。
哇。 Ruby Regexp源码 。
鉴于我的Ruby 1.8.7约束，这是我能做的最好的：
class String CJKV_RANGES = [ (0xe2ba80..0xe2bbbf), (0xe2bfb0..0xe2bfbf), (0xe38080..0xe380bf), (0xe38180..0xe383bf), (0xe38480..0xe386bf), (0xe38780..0xe387bf), (0xe38880..0xe38bbf), (0xe38c80..0xe38fbf), (0xe39080..0xe4b6bf), (0xe4b780..0xe4b7bf), (0xe4b880..0xe9bfbf), (0xea8080..0xea98bf), (0xeaa080..0xeaaebf), (0xeaaf80..0xefbfbf), ] def contains_cjkv? each_char do |ch| return true if CJKV_RANGES.any? {|range| range.member? ch.unpack('H*').first.hex } end false end end strings = ['日本', '광고 프로그램', '艾弗森将退出篮坛', 'Watashi ha bakana gaijin desu.'] strings.each {|s| puts s.contains_cjkv? } #true #true #true #false
非常朴素，但它的工作原理。 它实际上也会检测各种印度语脚本，所以它应该真正被称为contains_asian？
也许我应该为其他陷入Ruby 1.8的可怜的I18N黑客做好准备。
我写了一个小gem，在steenslag上面的答案中包含了这个方法：
https://github.com/jpatokal/script_detector
它也可以用来区分日语，韩语，简体中文和繁体中文，但由于汉族统一的复杂性，它只能在大块文本中可靠地工作。
Ruby 1.8解决方案基于此代码并使用Josh Glover在此线程上的解决方案的API：
class String CJKV_RANGES = [ (0x4E00..0x9FFF), (0x3400..0x4DBF), (0x20000..0x2A6DF), (0x2A700..0x2B73F), ] def contains_cjkv? unpack("U*").any? { |char| CJKV_RANGES.any? { |range| range.member?(char) } } end end