Ruby的String＃gsub，unicode和非单词字符
作为更大系列操作的一部分，我正在尝试使用更大字符串的标记块并摆脱标点符号，非字gobbledygook等。我的初始尝试使用String#gsub和\W regexp字符类，如所以：
my_str = "Hello," processed = my_str.gsub(/\W/,'') puts processed # => Hello
超级，超级，超级简单。 当然，现在我正在扩展我的程序以处理非拉丁字符，并且所有的东西都被打破了。 Ruby的\W似乎就像[^A-Za-z0-9_] ，当然，它排除了变音符号（ü，í等）的东西。 所以，现在我以前简单的代码以不愉快的方式崩溃和烧毁：
my_str = "Quística." processed = my_str.gsub(/\W/,'') puts processed # => Qustica
请注意，gsub（）必须删除带重音的“í”字符。 我想到解决这个问题的一种方法是扩展Ruby的\ W白名单以包含更高的Unicode代码点，但是它们中有很多，我知道我会错过一些并导致问题（并且我们甚至没有开始考虑非拉丁语言……）。 另一个解决方案是将我想要摆脱的所有东西列入黑名单（标点符号，$ /％/＆/™等），但是，再次，有很多这样的东西，我真的不想开始玩黑名单-敲击一个痣。
有没有人找到这个问题的原则解决方案？ 是否有一些我尚未发现的隐藏的，Unicode友好的\W版本？ 谢谢！
您需要使用“-Ku”选项运行ruby以使其使用UTF-8。 有关命令行选项，请参阅文档。 当我用irb执行此操作时会发生这种情况：
% irb -Ku irb(main):001:0> my_str = "Quística." => "Quística." irb(main):002:0> processed = my_str.gsub(/\W/,'') => "Quística" irb(main):003:0>
你也可以把它放在＃！ ruby脚本中的行：
#!/usr/bin/ruby -Ku
我想在1.9.1中添加它默认工作。
$ irb ruby-1.9.1-p243 > my_str = "Quística." => "Quística." ruby-1.9.1-p243 > processed = my_str.gsub(/\W/,'') => "Quística" ruby-1.9.1-p243 > processed.encoding => #
PS。 尝试不同版本的Ruby没有什么比rvm更好的了。 DS。