\ w in Ruby Regulärer Ausdruck stimmt mit chinesischen Zeichen überein

Ich bin mir nicht sicher über den genauen Geschmack von Regex, den Ruby verwendet, aber das ist nicht nur eine Ruby-Abweichung, da .net auch so funktioniert. MSDN sagt dazu :

  

\ w
  Stimmt mit jedem Wort überein. Zum   Nicht-Unicode und ECMAScript   Implementierungen, das ist das gleiche wie   [a-zA-Z_0-9]. In Unicode-Kategorien   das ist das gleiche wie   [\ p {Ll} \ p {Lu} \ p {Lt} \ p {Lo} \ p {Nd} \ p {Pc}].

Es ist also nicht so, dass \w notwendigerweise nur [a-zA-Z_0-9] bedeutet - es (und andere Operatoren) arbeiten anders bei Unicode-Strings als bei Ascii-Strings.

Dies unterscheidet sich jedoch immer noch von . , da \w keine Interpunktionszeichen (Art - siehe unten die \ p {Lo} -Liste), Leerzeichen, neue Zeilen und verschiedene andere Nicht-Wörter enthält Symbole.

Was genau \p{Ll}\p{Lu}\p{Lt}\p{Lo}\p{Nd}\p{Pc} entspricht, können Sie in einer Unicode-Referenzliste sehen:

• \ p {Ll} Unicode-Kleinbuchstabe
• \ p {Lu} Großbuchstaben Unicode
• \ p {Lt} Titelcode Unicode
• \ p {Lo} Anderer Unicode-Brief
• \ p {Nd} Dezimalzahl
• \ p {Pc} "Interpunktion, Konnektor"

Oniguruma , das ist die Regex-Engine in Ruby 1.9+, definiert \w als:

In 1.9+ weiß Ruby, ob die Zeichenfolge Unicode-Zeichen enthält, und wechselt automatisch zur Verwendung des Unicode-Modus für die Mustererkennung.