如何在Ruby中检测字符串中的某些Unicode字符？
给定Ruby 1.8.7中的一个字符串(没有支持带\p{}的Unicode属性的出色的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；
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 blocks中，但我认为有必要询问是否有人知道Ruby语言中现有的解决方案。
回答 4
Stack Overflow用户
发布于 2011-01-13 23:13:07
(ruby 1.9.2)
#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{}匹配字符的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、博波莫夫语、盲文、布吉尼语、布希德语、Canadian_Aboriginal、卡里安语、查姆语、切罗基语、通用、科普特人、楔形文字、塞语、西里尔文、沙漠、德瓦纳加里文、埃塞俄比亚文、格鲁吉亚文、格拉斯哥里文、哥特文、希腊文、古吉拉特文、古吉拉特文、古尔穆赫希文、韩文、韩文、汉努乌文、希伯来文、平假名、继承、卡纳达文、片塔纳文、Kayah_Li、哈罗什提、高棉文、老语、拉丁文、莱普查、利姆布、Linear_B、Lycian、Lydian、马拉雅拉姆、蒙古文、缅甸、New_Tai_Lue、Nko、Ogham、Ol_Chiki、Old_Italic、Old_Persian、奥里亚、奥斯曼尼亚、塔班瓦、Phags_Pa、泰米尔语、泰米尔语、泰卢固语、塔那那语、泰语、藏语、提芬那语、乌加里特语、瓦伊语和彝语。
Stack Overflow用户
发布于 2011-01-13 23:48:11
考虑到Ruby 1.8.7的限制，这是我能做的最好的事情：
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很老套，但很管用。它实际上也可以检测到各种印度文字，所以它可能真的应该被称为contains_asian？
也许我应该为其他坚持使用Ruby1.8的可怜的I18N黑客做点什么。
Stack Overflow用户
发布于 2012-06-04 09:26:30
我已经写了一个小宝石，打包了steenslag上面的答案中的方法：
https://github.com/jpatokal/script_detector
它还可以尝试区分日语、韩语、简体中文和繁体中文，尽管由于汉语言统一的复杂性，它只能可靠地处理大段文本。
https://stackoverflow.com/questions/4681055
复制相似问题
腾讯云开发者
