如何在Ruby中匹配中文单词？

Question

我想匹配字符串中的中文单词，但失败了

\n\n

irb(main):016:0> "\xe8\xba\xab\xe9\xab\x98455478".scan(/\\p{Han}/)\nSyntaxError: (irb):16: invalid character property name {Han}: /\\p{Han}/\n    from C:/Program Files/Ruby-2.1.0/bin/irb.bat:18:in `<main>\'\n

\n\n

它出什么问题了？

\n\n

问题很奇怪，难道是字符编码的问题？

\n

Answer 1

我可以在 irb 中重现该问题。我的 Ruby 环境与其他无法重现该问题的环境之间的区别在于，我在 irb 中的编码默认GBK为中文。

\n\n

这可以重现该问题：

\n\n

#encoding:GBK\np "\xe8\xba\xab\xe9\xab\x98455478".scan(/\\p{Han}/)\n

\n\n

显示错误：invalid character property name {Han}: /\\p{Han}/

\n\n

要解决此问题，请使用 UTF-8 编码：

\n\n

#encoding:utf-8\np "\xe8\xba\xab\xe9\xab\x98455478".scan(/\\p{Han}/)\n

\n\n

输出：["\\u8EAB", "\\u9AD8"]

\n\n\n\n

正如 @Stefan 所建议的，要将 irb 设置为使用 UTF-8 编码，请使用 启动 irb irb -E UTF-8。

\n\n

要对这一字符串进行编码，请使用String#encode：

\n\n

\'\xe8\xba\xab\xe9\xab\x98455478\'.encode(\'utf-8\').scan(/\\p{Han}/u)\n#=> ["\\u8EAB", "\\u9AD8"]\n

\n