红宝石1.9.3正则表达式utf8 \ w带重音符

Question

如何确保正则表达式中的\ w将国民字母视为正常字母？

'ein grüner Hund'.scan(/\S+/u) 

[ “EIN”， “格鲁纳”， “洪德”]

它正确地扫描 “ü” 非空白字符。

'ein grüner Hund'.scan(/\w+/u) 

[ “EIN”， “克”， “净入学率”， “洪德”]

如何获得 “ü” 吗？

我需要的解决方案不仅适用于德语，法语和波兰语字符也应该工作。

Answer 1

尝试

'ein grüner Hund'.scan(/[[:word:]]+/u)

Documentation

Answer 2

\w将适用于字母或数字或下划线。您的正则表达式引擎可能会将单一Unicode代码点视为单个字符。在这种情况下，ü将不会匹配为单个字符，因为它是多个代码点字符（编码为两个代码点）。对于匹配多个代码点字符，也可以使用匹配单个Unicode代码字符的\X，无论是单个代码点还是多个代码点。

检查this了解更多信息。

我不确定Ruby是否支持\X。否则可以使用\p{L}\p{M}*，它与一个字母和口音匹配。