在Ruby中按字符集对字符串进行分区/拆分

如何在字符串中分隔不同的字符集？例如，如果我有这些字符集：

[a-z] [A-Z] [0-9] [\s] {其他一切} 这个输入：

这是一个测试***1234页 然后我想分离不同的字符集，例如，如果我使用换行符作为分离字符：

这 是 A. 测验 *** 1234 馅饼 我已经尝试过这个正则表达式，具有积极的前瞻性：

'thisISaTEST***1234pie'.gsub(/(?=[a-z]+|[A-Z]+|[0-9]+|[\s]+)/, "\n")

但显然+s并不贪婪，因为我得到了：

t
h
# (snip)...
S
T***
1
# (snip)...
e

我删掉了不相关的部分，但正如您所看到的，每个字符都作为自己的字符集计算，除了{everything else}字符集

---

我该怎么做？它不一定必须由正则表达式来定义。将它们拆分成一个数组也会起作用。

困难的部分是匹配与正则表达式其余部分不匹配的内容。忘了这一点，想想一种方法，可以将不匹配的部分与匹配的部分混合在一起

"thisISaTEST***1234pie"
.split(/([a-z]+|[A-Z]+|\d+|\s+)/).reject(&:empty?)
# => ["this", "IS", "a", "TEST", "***", "1234", "pie"]

---

困难的部分是匹配任何与正则表达式其余部分不匹配的内容。忘了这一点，想想一种方法，可以将不匹配的部分与匹配的部分混合在一起

"thisISaTEST***1234pie"
.split(/([a-z]+|[A-Z]+|\d+|\s+)/).reject(&:empty?)
# => ["this", "IS", "a", "TEST", "***", "1234", "pie"]

---

在ASCII字符集中，除了字母数字和空格外，还有32个标点字符，它们与属性构造\p{punct}匹配

要将字符串拆分为单个类别的序列，可以编写

str = 'thisISaTEST***1234pie'
p str.scan(/\G(?:[a-z]+|[A-Z]+|\d+|\s+|[\p{punct}]+)/)

输出

或者，如果字符串包含ASCII集合之外的字符，则可以根据属性编写整个字符串，如下所示

p str.scan(/\G(?:\p{lower}+|\p{upper}+|\p{digit}+|\p{space}|[^\p{alnum}\p{space}]+)/)

---

在ASCII字符集中，除了字母数字和空格外，还有32个标点字符，它们与属性构造\p{punct}匹配

要将字符串拆分为单个类别的序列，可以编写

str = 'thisISaTEST***1234pie'
p str.scan(/\G(?:[a-z]+|[A-Z]+|\d+|\s+|[\p{punct}]+)/)

输出

或者，如果字符串包含ASCII集合之外的字符，则可以根据属性编写整个字符串，如下所示

p str.scan(/\G(?:\p{lower}+|\p{upper}+|\p{digit}+|\p{space}|[^\p{alnum}\p{space}]+)/)

---

非字、非空格字符可以用[^\w\s]覆盖，因此：

---

非字、非空格字符可以用[^\w\s]覆盖，因此：

这里有两个解决方案

用正则表达式

由于[^a-zA-Z\d\s]开头的“^”，该字符类与除字母小写和大写、数字和空白以外的任何字符都匹配

使用1

首先，助手方法：

def type(c)
  case c
  when /[a-z]/ then 0
  when /[A-Z]/ then 1
  when /\d/    then 2
  when /\s/    then 3
  else              4
  end
end

比如说,

type "f"   #=> 0
type "P"   #=> 1
type "3"   #=> 2
type "\n"  #=> 3
type "*"   #=> 4    

然后

一,。slich_在Ruby v2.4中首次亮相。这里有两个解决方案

用正则表达式

由于[^a-zA-Z\d\s]开头的“^”，该字符类与除字母小写和大写、数字和空白以外的任何字符都匹配

使用1

首先，助手方法：

def type(c)
  case c
  when /[a-z]/ then 0
  when /[A-Z]/ then 1
  when /\d/    then 2
  when /\s/    then 3
  else              4
  end
end

比如说,

type "f"   #=> 0
type "P"   #=> 1
type "3"   #=> 2
type "\n"  #=> 3
type "*"   #=> 4    

然后

---

一,。slich_在Ruby v2.4中首次亮相。

为这个糟糕的标题感到抱歉；我想不出比这更好的了。如果你了解我想要什么，并且你能想出一个更好的，请编辑为这个糟糕的标题感到抱歉；我想不出比这更好的了。如果你了解我想要什么，并且你能想出一个更好的，请编辑我不想只使用标点符号，我希望其他字符也能使用。我试图解释，在字母数字和空格之后剩下的就是标点符号和控制字符。当然，如果您的数据包含ASCII集以外的字符，则这不起作用。不过，我不希望仅使用标点符号，我希望任何其他字符也能起作用。我试图解释，在字母数字和空格之后剩下的只是标点符号和控制字符。当然，如果您的数据包含ASCII集以外的字符，则这不起作用。@sawa-uu是一个单词char，但它不适合这些组中的任何一个，因此不清楚它属于何处。它显然属于OP的其他所有内容，但它不适合正则表达式中的任何地方。@sawa将u放入其他所有内容：？：[^\w\s]|_@sawa-u是一个单词char，但它不适合任何这些组，因此不清楚它属于何处。它显然属于OP的其他所有内容，但不适合正则表达式中的任何地方。@sawa将u适合于其他所有内容：？：[^\w\s]|_