主頁 > 前端設計 > Ruby:如何從unicode文本中僅分解印刷連字?

Ruby:如何從unicode文本中僅分解印刷連字?

2022-01-22 13:53:42 前端設計

我正在尋找一種方法來規范 unicode 輸入文本,其中包括印刷連字,例如

# Things to replace, for instance:
U FB00 (?): ff
U FB01 (?): fi
U FB02 (?): fl
U FB03 (?): ffi
U FB04 (?): ffl
U FB05 (?): st
U FB06 (?): st

我想保留所有可以分解的變音符號、標點符號和其他標記,但不是印刷連字。

例如,我想保留商標符號或省略號。

# Things to keep, for instance:
U 2122 (?): TM
U 2026 (…): ...
U 2120 (?): SM
U 2121 (℡): TEL

我已經搜索了一個解決方案并找到了一些相關的答案:

  • https://superuser.com/questions/669130/double-latin-letters-in-unicode-ligatures
  • 分隔 Unicode 連字字符

有Ruby特定的方式嗎?

uj5u.com熱心網友回復:

我目前的黑客解決方案:

  def self.remove_ligatures input

    @@ligature_char_regex ||= /[#{ligature_chars.join('')}]/

    input.gsub(@@ligature_char_regex) { |c|
      c.unicode_normalize(:nfkc)
    }

  end

哪個有效,但依賴于手動定義的一長串字符(見下文),并且在性能方面可能不是最快的方法。

  # Return the list of all characters which decompose 
  # into multiple ascii/accented characters
  #
  # Manually commented out those that are not typographic 
  # ligatures such as Trademark, Medical Doctor, CD
  #
  #  List from: https://superuser.com/questions/669130/double-latin-letters-in-unicode-ligatures
  def self.ligature_chars

    return [
      "\u0132", # (?): IJ
      "\u0133", # (?): ij
      "\u01C7", # (?): LJ
      "\u01C8", # (?): Lj
      "\u01C9", # (?): lj
      "\u01CA", # (?): NJ
      "\u01CB", # (?): Nj
      "\u01CC", # (?): nj
      "\u01F1", # (?): DZ
      "\u01F2", # (?): Dz
      "\u01F3", # (?): dz
      "\u20A8", # (?): Rs
      "\u2116", # (№): No
      # "\u2120", # (?): SM
      # "\u2121", # (℡): TEL
      # "\u2122", # (?): TM
      "\u213B", # (?): FAX
      "\u2161", # (Ⅱ): II
      "\u2162", # (Ⅲ): III
      "\u2163", # (Ⅳ): IV
      "\u2165", # (Ⅵ): VI
      "\u2166", # (Ⅶ): VII
      "\u2167", # (Ⅷ): VIII
      "\u2168", # (Ⅸ): IX
      "\u216A", # (Ⅺ): XI
      "\u216B", # (Ⅻ): XII
      "\u2171", # (ⅱ): ii
      "\u2172", # (ⅲ): iii
      "\u2173", # (ⅳ): iv
      "\u2175", # (ⅵ): vi
      "\u2176", # (ⅶ): vii
      "\u2177", # (ⅷ): viii
      "\u2178", # (ⅸ): ix
      "\u217A", # (?): xi
      "\u217B", # (?): xii
      "\u3250", # (?): PTE
      "\u32CC", # (?): Hg
      "\u32CD", # (?): erg
      "\u32CE", # (?): eV
      "\u32CF", # (?): LTD
      "\u3371", # (?): hPa
      "\u3372", # (?): da
      "\u3373", # (?): AU
      "\u3374", # (?): bar
      "\u3375", # (?): oV
      "\u3376", # (?): pc
      "\u3377", # (?): dm
      "\u337A", # (?): IU
      "\u3380", # (?): pA
      "\u3381", # (?): nA
      "\u3383", # (?): mA
      "\u3384", # (?): kA
      "\u3385", # (?): KB
      "\u3386", # (?): MB
      "\u3387", # (?): GB
      "\u3388", # (?): cal
      "\u3389", # (?): kcal
      "\u338A", # (?): pF
      "\u338B", # (?): nF
      "\u338E", # (㎎): mg
      "\u338F", # (㎏): kg
      "\u3390", # (?): Hz
      "\u3391", # (?): kHz
      "\u3392", # (?): MHz
      "\u3393", # (?): GHz
      "\u3394", # (?): THz
      "\u3396", # (?): ml
      "\u3397", # (?): dl
      "\u3398", # (?): kl
      "\u3399", # (?): fm
      "\u339A", # (?): nm
      "\u339C", # (㎜): mm
      "\u339D", # (㎝): cm
      "\u339E", # (㎞): km
      "\u33A9", # (?): Pa
      "\u33AA", # (?): kPa
      "\u33AB", # (?): MPa
      "\u33AC", # (?): GPa
      "\u33AD", # (?): rad
      "\u33B0", # (?): ps
      "\u33B1", # (?): ns
      "\u33B3", # (?): ms
      "\u33B4", # (?): pV
      "\u33B5", # (?): nV
      "\u33B7", # (?): mV
      "\u33B8", # (?): kV
      "\u33B9", # (?): MV
      "\u33BA", # (?): pW
      "\u33BB", # (?): nW
      "\u33BD", # (?): mW
      "\u33BE", # (?): kW
      "\u33BF", # (?): MW
      "\u33C3", # (?): Bq
      "\u33C4", # (㏄): cc
      "\u33C5", # (?): cd
      "\u33C8", # (?): dB
      "\u33C9", # (?): Gy
      "\u33CA", # (?): ha
      "\u33CB", # (?): HP
      "\u33CC", # (?): in
      "\u33CD", # (?): KK
      "\u33CE", # (㏎): KM
      "\u33CF", # (?): kt
      "\u33D0", # (?): lm
      "\u33D1", # (㏑): ln
      "\u33D2", # (㏒): log
      "\u33D3", # (?): lx
      "\u33D4", # (?): mb
      "\u33D5", # (㏕): mil
      "\u33D6", # (?): mol
      "\u33D7", # (?): PH
      "\u33D9", # (?): PPM
      "\u33DA", # (?): PR
      "\u33DB", # (?): sr
      "\u33DC", # (?): Sv
      "\u33DD", # (?): Wb
      "\u33FF", # (?): gal
      "\uFB00", # (?): ff
      "\uFB01", # (?): fi
      "\uFB02", # (?): fl
      "\uFB03", # (?): ffi
      "\uFB04", # (?): ffl
      "\uFB05", # (?): st
      "\uFB06", # (?): st
      # "\u1F12D", # (??): CD
      # "\u1F12E", # (??): WZ
      # "\u1F14A", # (??): HV
      # "\u1F14B", # (??): MV
      # "\u1F14C", # (??): SD
      # "\u1F14D", # (??): SS
      # "\u1F14E", # (??): PPV
      # "\u1F14F", # (??): WC
      # "\u1F16A", # (??): MC
      # "\u1F16B", # (??): MD
      "\u1F19", #0 (??): DJ
      "\u01C4", # (?): DZ?
      "\u01C5", # (?): Dz?
      "\u01C6", # (?): dz?
    ]

  end

uj5u.com熱心網友回復:

您可以按如下方式進行。

h = { "\uFB00"=>"ff", "\uFB01"=>"fi", "\uFB02"=>"fl", "\uFB03"=>"ffi",
      "\uFB04"=>"ffl", "\uFB05"=>"st",  "\uFB06"=>"st", "\uFB06"=>"st" }
  #=> {"?"=>"ff", "?"=>"fi", "?"=>"fl", "?"=>"ffi",
  #    "?"=>"ffl", "?"=>"st", "?"=>"st"}
s = "A ? or ?was ? seen? ? before ? had ? go ? before ?"
r = /\b(?:#{h.keys.join('|')})\b/
  #=> /\b(?:?|?|?|?|?|?|?)\b/
s.gsub(r, h)
  #=> "A ff or ?was fi seen? fl before ffi had ffl go st before st"

請注意,由于正則運算式中的單詞邊界 ( ) "?"in"?was"不匹配\b

轉載請註明出處,本文鏈接:https://www.uj5u.com/qianduan/418357.html

標籤:

上一篇:如何測驗/除錯Jekyll插件?

下一篇:如何將嵌套陣列映射到ruby陣列中的第二個屬性

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • vue移動端上拉加載

    可能做得過于簡單或者比較low,請各位大佬留情,一起探討技術 ......

    uj5u.com 2020-09-10 04:38:07 more
  • 優美網站首頁,頂部多層導航

    一個個人用的瀏覽器首頁,可以把一下常用的網站放在這里,平常打開會比較方便。 第一步,HTML代碼 <script src=https://www.cnblogs.com/szharf/p/"js/jquery-3.4.1.min.js"></script> <div id="navigate"> <ul> <li class="labels labels_1"> ......

    uj5u.com 2020-09-10 04:38:47 more
  • 頁面為要加<!DOCTYPE html>

    最近因為寫一個js函式,需要用到$(window).height(); 由于手寫demo的時候,過于自信,其實對前端方面的認識也不夠體系,用文本檔案直接敲出來的html代碼,第一行沒有加上<!DOCTYPE html> 導致了$(window).height();的結果直接是整個document的高 ......

    uj5u.com 2020-09-10 04:38:52 more
  • WordPress網站程式手動升級要做好資料備份

    WordPress博客網站程式在進行升級前,必須要做好網站資料的備份,這個問題良家佐言是遇見過的;在剛開始接觸WordPress博客程式的時候,因為升級問題和博客網站的修改的一些嘗試,良家佐言是吃盡了苦頭。因為購買的是西部數碼的空間和域名,每當佐言把自己的WordPress博客網站搞到一塌糊涂的時候 ......

    uj5u.com 2020-09-10 04:39:30 more
  • WordPress程式不能升級為5.4.2版本的原因

    WordPress是一款個人博客系統,受到英文博客愛好者和中文博客愛好者的追捧,并逐步演化成一款內容管理系統軟體;它是使用PHP語言和MySQL資料庫開發的,用戶可以在支持PHP和MySQL資料庫的服務器上使用自己的博客。每一次WordPress程式的更新,就會牽動無數WordPress愛好者的心, ......

    uj5u.com 2020-09-10 04:39:49 more
  • 使用CSS3的偽元素進行首字母下沉和首行改變樣式

    網頁中常見的一種效果,首字改變樣式或者首行改變樣式,效果如下圖。 代碼: <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, ......

    uj5u.com 2020-09-10 04:40:09 more
  • 關于a標簽的講解

    什么是a標簽? <a> 標簽定義超鏈接,用于從一個頁面鏈接到另一個頁面。 <a> 元素最重要的屬性是 href 屬性,它指定鏈接的目標。 a標簽的語法格式:<a href=https://www.cnblogs.com/summerxbc/p/"指定要跳轉的目標界面的鏈接">需要展示給用戶看見的內容</a> a標簽 在所有瀏覽器中,鏈接的默認外觀如下: 未被訪問的鏈接帶 ......

    uj5u.com 2020-09-10 04:40:11 more
  • 前端輪播圖

    在需要輪播的頁面是引入swiper.min.js和swiper.min.css swiper.min.js地址: 鏈接:https://pan.baidu.com/s/15Uh516YHa4CV3X-RyjEIWw 提取碼:4aks swiper.min.css地址 鏈接:https://pan.b ......

    uj5u.com 2020-09-10 04:40:13 more
  • 如何設定html中的背景圖片(全屏顯示,且不拉伸)

    1 <style>2 body{background-image:url(https://uploadbeta.com/api/pictures/random/?key=BingEverydayWallpaperPicture); 3 background-size:cover;background ......

    uj5u.com 2020-09-10 04:40:16 more
  • Java學習——HTML詳解(上)

    HTML詳解 初識HTML Hyper Text Markup Language(超文本標記語言) 1 <!--DOCTYPE:告訴瀏覽器我們要使用什么規范--> 2 <!DOCTYPE html> 3 <html lang="en"> 4 <head> 5 <!--meta 描述性的標簽,描述一些 ......

    uj5u.com 2020-09-10 04:40:33 more
最新发布
  • 我的第一個NPM包:panghu-planebattle-esm(胖虎飛機大戰)使用說明

    好家伙,我的包終于開發完啦 歡迎使用胖虎的飛機大戰包!! 為你的主頁添加色彩 這是一個有趣的網頁小游戲包,使用canvas和js開發 使用ES6模塊化開發 效果圖如下: (覺得圖片太sb的可以自己改) 代碼已開源!! Git: https://gitee.com/tang-and-han-dynas ......

    uj5u.com 2023-04-20 07:59:23 more
  • 生產事故-走近科學之消失的JWT

    入職多年,面對生產環境,盡管都是小心翼翼,慎之又慎,還是難免捅出簍子。輕則滿頭大汗,面紅耳赤。重則系統停擺,損失資金。每一個生產事故的背后,都是寶貴的經驗和教訓,都是專案成員的血淚史。為了更好地防范和遏制今后的各類事故,特開此專題,長期更新和記錄大大小小的各類事故。有些是親身經歷,有些是經人耳傳口授 ......

    uj5u.com 2023-04-18 07:55:04 more
  • 記錄--Canvas實作打飛字游戲

    這里給大家分享我在網上總結出來的一些知識,希望對大家有所幫助 打開游戲界面,看到一個畫面簡潔、卻又富有挑戰性的游戲。螢屏上,有一個白色的矩形框,里面不斷下落著各種單詞,而我需要迅速地輸入這些單詞。如果我輸入的單詞與螢屏上的單詞匹配,那么我就可以獲得得分;如果我輸入的單詞錯誤或者時間過長,那么我就會輸 ......

    uj5u.com 2023-04-04 08:35:30 more
  • 了解 HTTP 看這一篇就夠

    在學習網路之前,了解它的歷史能夠幫助我們明白為何它會發展為如今這個樣子,引發探究網路的興趣。下面的這張圖片就展示了“互聯網”誕生至今的發展歷程。 ......

    uj5u.com 2023-03-16 11:00:15 more
  • 藍牙-低功耗中心設備

    //11.開啟藍牙配接器 openBluetoothAdapter //21.開始搜索藍牙設備 startBluetoothDevicesDiscovery //31.開啟監聽搜索藍牙設備 onBluetoothDeviceFound //30.停止監聽搜索藍牙設備 offBluetoothDevi ......

    uj5u.com 2023-03-15 09:06:45 more
  • canvas畫板(滑鼠和觸摸)

    <!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title>canves</title> <style> #canvas { cursor:url(../images/pen.png),crosshair; } #canvasdiv{ bo ......

    uj5u.com 2023-02-15 08:56:31 more
  • 手機端H5 實作自定義拍照界面

    手機端 H5 實作自定義拍照界面也可以使用 MediaDevices API 和 <video> 標簽來實作,和在桌面端做法基本一致。 首先,使用 MediaDevices.getUserMedia() 方法獲取攝像頭媒體流,并將其傳遞給 <video> 標簽進行渲染。 接著,使用 HTML 的 < ......

    uj5u.com 2023-01-12 07:58:22 more
  • 記錄--短視頻滑動播放在 H5 下的實作

    這里給大家分享我在網上總結出來的一些知識,希望對大家有所幫助 短視頻已經無數不在了,但是主體還是使用 app 來承載的。本文講述 H5 如何實作 app 的視頻滑動體驗。 無聲勝有聲,一圖頂百辯,且看下圖: 網址鏈接(需在微信或者手Q中瀏覽) 從上圖可以看到,我們主要實作的功能也是本文要講解的有: ......

    uj5u.com 2023-01-04 07:29:05 more
  • 一文讀懂 HTTP/1 HTTP/2 HTTP/3

    從 1989 年萬維網(www)誕生,HTTP(HyperText Transfer Protocol)經歷了眾多版本迭代,WebSocket 也在期間萌芽。1991 年 HTTP0.9 被發明。1996 年出現了 HTTP1.0。2015 年 HTTP2 正式發布。2020 年 HTTP3 或能正... ......

    uj5u.com 2022-12-24 06:56:02 more
  • 【HTML基礎篇002】HTML之form表單超詳解

    ??一、form表單是什么

    ??二、form表單的屬性

    ??三、input中的各種Type屬性值

    ??四、標簽 ......

    uj5u.com 2022-12-18 07:17:06 more