Elixir String.replace返回字符串的二进制表示形式

我在学习长生不老药的过程中遇到了一些对我来说没有意义的事情

我正在尝试删除标点符号

"Freude schöner Götterfunken" |> String.replace(~r/[^\s\w]/, "") #=> <<70, 114, 101, 117, 100, 101, 32, 115, 99, 104, 195, 110, 101, 114, 32, 71, 195, 116, 116, 101, 114, 102, 117, 110, 107, 101, 110>>
"Freude schöner Götterfunken" |> String.replace(~r/[^\w]/, "") #=> <<70, 114, 101, 117, 100, 101, 32, 115, 99, 104, 195, 110, 101, 114, 32, 71, 195, 116, 116, 101, 114, 102, 117, 110, 107, 101, 110>>
"Freude schöner Götterfunken" |> String.replace(~r/\p{P}/, "") #=> <<70, 114, 101, 117, 100, 101, 32, 115, 99, 104, 195, 110, 101, 114, 32, 71, 195, 116, 116, 101, 114, 102, 117, 110, 107, 101, 110>>
"Freude schöner Götterfunken" |> String.replace(~r/\s/, "") #=> FreudeschönerGötterfunken
"Hi my name is bob" |> String.replace(~r/\w/, "") #=> "    "
Regex.run(~r/[^\w]/, "Freude schöner Götterfunken") #=> [<<182>>]

“Freude schöner Götterfunken”|>String.replace（~r/[^\s\w]/，“”）#=>
“Freude schöner Götterfunken”|>String.replace（~r/[^\w]/，“”）#=>
“Freude schöner Götterfunken”|>String.replace（~r/\p{p}/，“”）#=>
“Freude schöner Götterfunken”|>String.replace（~r/\s/，“”）#=>FreudeschönerGötterfunken
“嗨，我的名字是鲍勃”|>String.replace（~r/\w/，“”）#=>“”
Regex.run（~r/[^\w]/，“Freude schöner Götterfunken”）#=>[]

---

这看起来像是一只虫子，但作为一个傻瓜，我假设自己是无知的。为什么替换不返回字符串

String.replace

返回一个“字符串”，但双引号字符串实际上作为二进制文件存储在Elixir中。由于某些原因，输出不能显示为常规字符串，因此，它会返回到显示二进制表示。

您是对的，string.replace/2没有返回字符串，因为Elixir将字符串定义为utf-8编码的二进制文件。但是，这不是一个bug，因为Elixir希望您传递或对参数执行有效的操作，因为它不会验证所有结果（因为代价昂贵）

例如，如果您将上面的任何二进制文件传递给

String.downcase/1

，Elixir将对它知道的部分进行downcase，而忽略其余部分。它之所以能工作是因为UTF-8自动同步，所以如果我们看到一些奇怪的东西，我们可以跳过这个奇怪的字节，继续进行操作

换句话说，Elixir中字符串处理的原理是在边界处进行验证（如打开文件、执行I/O或从数据库读取时），并假设我们一直在使用并执行有效的操作

好了，既然如此，为什么你的代码不起作用？原因是您的正则表达式没有启用unicode。让我们添加

u

修饰符，然后：

iex> "Freude schöner Götterfunken" |> String.replace(~r/[^\s\w]/u, "")
"Freude schöner Götterfunken"

嗯，这并不能解决你的问题，但至少结果是有效的。这意味着我们无法用unicode属性真正解决这个问题，因为在您的示例中，

ö

是一个与

\p{L}

属性匹配的单个代码点

---

也许在这种情况下最简单的解决方案，假设您只想为德语解决它，就是遍历二进制文件，保留字节以获得令人敬畏的答案！谢谢你的详细解释。我在阅读文档时遗漏了u修饰符。此处的“出于某种原因”：。注意下面的句子：“（请注意，如果任何字符超出ASCII范围，iex将只输出代码点）。”因为@matmer有超出ASCII范围的字符，所以整个内容显示为代码点。

iex> for <<x <- "Freude schöner Götterfunken">>, x <= 127, into: "", do: <<x>>
"Freude schner Gtterfunken"