Ruby 如何删除&#x2002&#x2014&#x2013；我的XML文件中的特殊字符

这是xml文件的一个示例

<row tnote="0">
<entry namest="col2" nameend="col4" us="none" emph="bld"><blst>
<li><text>Single, head of household, or qualifying widow(er)&#x2014;$55,000</text></li>
<li><text>Married filing jointly&#x2014;$115,000</text></li>
</blst></entry>
<entry colname="col6" ldr="1" valign="middle">&#x2002;</entry>
<entry colname="col7" valign="middle"> 5.</entry>
</row>

---

但是它似乎不起作用…我的正则表达式不正确吗？

因为您的正则表达式的格式是

/^…$/

，它将只与整个字符串匹配。您将只跳过完全由一个HTML实体组成的文本。

因为您的正则表达式的格式为

/^…$/

，所以它将只与整个字符串匹配。您将只跳过完全由一个HTML实体组成的文本。

&#x不是实体引用，而是字符引用。对于XML解析器，
—
与原始字符
-
完全相同，因此，当您通过属性（如
元素.text
）查看XML解析器生成的DOM时，您不会看到任何带有符号的内容，而是一个简单的
-
字符

因此，原则上，您可以将其与正则表达式匹配，比如
/[-- ]/。但是，如果您使用的是Ruby 1.8，您会遇到一个问题，即语言本身不支持Unicode，因此
/[-- ]/
无法正常工作：它将尝试删除UTF-8表示的
-
、
-
和
中的每个字节 ，这可能会损坏任何其他字符

为每个目标字符进行简单的字符串替换将正常工作，因为这不需要特殊的字符处理。（当然，如果您在源代码中直接包含
-
这样的字符，您还必须正确地对该脚本进行文件编码，因此可能更容易使用
这样的字符串文字转义。）“\xe2\x80\x94”
）
&#x...
不是实体引用，而是字符引用。对于XML解析器，
—；
与原始字符
-
完全相同，因此当您通过
元素.text
等属性查看XML解析器生成的DOM时，您将不会看到任何带有符号和的内容，而是simple
-
字符

因此，原则上，您可以将其与正则表达式匹配，比如
/[-- ]/。但是，如果您使用的是Ruby 1.8，您会遇到一个问题，即语言本身不支持Unicode，因此
/[-- ]/
无法正常工作：它将尝试删除UTF-8表示的
-
、
-
和
中的每个字节 ，这可能会损坏任何其他字符

对每个目标字符进行简单的字符串替换可以正常工作，因为这不需要特殊的字符处理。（当然，如果您在源代码中直接包含
-
这样的字符，您还必须正确地对该脚本进行文件编码，因此可能更容易使用
这样的字符串文字转义。“\xe2\x80\x94“
）
这段代码是用什么语言编写的？strip
做什么？不，字符引用不表示实体。相反，实体用于表示字符引用。
是实体引用，名为mdash的实体表示值
&
（请参阅）因此，实体引用
&mdash；
引用了字符引用
&8212；
，该字符引用了Unicode字符U+2014。@Gumbo:
U+nnnn
符号使用十六进制数，而不是十进制：
U+2014
@Alan Moore:啊，当然有。这段代码是用什么语言编写的？strip
的功能是什么？不，chara字符引用不表示实体。相反，实体用于表示字符引用。
是一个实体引用，名为mdash的实体表示值
&8212；
（请参阅）。因此实体引用
&mdash；
引用了字符引用
&8212；
，该字符引用了Unicode字符U+2014。@Gumbo:
U+nnnn
符号使用十六进制数，而不是十进制：
U+2014
。@Alan Moore:啊，是的，当然有。
if e.text.strip =~ /^&#x20[0-9][0-9];$/ then
next
else
subLines << e.text
end