ruby - Ruby 正则表达式从字符串中删除 ^C 字符

Question

有一个文件具有分隔文本字段的控制 B 和控制 C 命令。看起来像：

"TEST\003KEY\002TEST\003KEY"

我试图创建一个匹配它并删除它的正则表达式。我不确定为什么这个正则表达式不起作用：

"TEST\003KEY\002TEST\003KEY".gsub(/\00[23]/, ',')

Answer 1

Try the following:

"TEST\003KEY\002TEST\003KEY".gsub(/\002|\003/, ',')

Here it is demonstrated in irb on my machine:

$ irb
1.9.3p448 :007 > "TEST\003KEY\002TEST\003KEY".gsub(/\002|\003/, ',')
 => "TEST,KEY,TEST,KEY"

The syntax \002|\003 means "match the character literal \002 or the character literal \003". The expression given in the original question \00[23] is not valid: this is the character literal \00 (a null character) followed by the character class [23]: i.e. it matches two-character sequences.

You can also use the [[:cntrl:]] character class to match all control characters:

$ irb
1.9.3p448 :007 > "TEST\003KEY\002TEST\003KEY\005TEST".gsub(/[[:cntrl:]]/, ',')
 => "TEST,KEY,TEST,KEY,TEST"

Answer 2

这是交易。首先，计算机不能存储字符——它们只能存储数字。因此，当计算机存储一个字符串时，它会将每个字符转换为一个数字。所有基本字符的数字由 ascii 图表给出（你可以在谷歌搜索一个）。

当您告诉计算机打印字符串时，它会检索为字符串保存的数字并将它们作为字符输出（使用 ascii 图表将数字转换为字符）。

双引号字符串可以包含所谓的转义序列。最常见的转义序列是“\n”：

puts "hello\nworld"

--output:--
hello
world

双引号字符串将转义序列“\n”转换为 ascii 代码 10：

puts "\n".ord   #=>10   (ord() will show you the ascii code for a character)

双引号字符串也可以包含\ddd 形式的转义序列，例如\002。像这样的转义序列称为八进制转义序列，这意味着 002 是 ascii 代码的八进制表示。

在八进制数中，最右边的数字是 1 的列，左边的下一个数字是 8 的列，左边的下一个数字是 64 的列。例如，这个八进制数：

\123

相当于 3*1 + 2*8 + 1*64 = 83。碰巧“S”的 ascii 代码为 83：

puts "\123"   #=>S

因为您也可以在双引号字符串中使用八进制转义序列，这意味着您可以使用八进制转义“\012”（2*1 + 1*8 + 0*64 = 10）。双引号字符串将八进制转义序列“\012”转换为 ascii 代码 10，这与双引号字符串对“\n”的作用相同。这是一个例子：

puts "hello" + "\012" + "world"

--output:--
hello
world

关于八进制转义序列最后要注意的是，您可以选择省略任何前导 0：

puts "hello" + "\12" + "world"

--output:--
hello
world

好的，现在检查您的字符串：

"TEST\003KEY\002TEST\003KEY"

您可以看到它包含三个八进制转义序列。双引号字符串将八进制转义序列 \003 转换为 ascii 码：3*1 + 0*8 + 0*64 = 3。如果查看 ascii 图表，ascii 码 3 表示一个称为“文本结尾”的字符. 双引号字符串将八进制转义序列 \002 转换为 ascii 代码：2*1 + 0*8 + 0*64 = 2，它表示一个称为“文本开头”的字符。我不确定您从哪里获得“控制 B”和“控制 C”名称（也许这些是映射到这些字符的键盘上的击键？）。

接下来，正则表达式就像一个双引号字符串，所以

/<in here>/

您可以使用与双引号字符串中相同的转义序列，并且正则表达式会将转义序列转换为 ascii 代码。

现在，根据上述所有内容，检查您的正则表达式：

/\00[23]/

正如 Richard Cook 指出的那样，您的正则表达式被解释为八进制转义序列 \00 后跟字符类 [23]。八进制转义序列 \00 被转换为 ascii 代码：0*1 + 0*8 = 0。如果您查看 ascii 图表，数字 0 表示一个称为“null”的字符。所以你的正则表达式正在寻找一个空字符，后跟一个“2”或“3”，这意味着你的正则表达式正在寻找一个两个字符串。但是两个字符的字符串永远不会匹配八进制转义序列“\003”（或“\002”），它只表示一个字符。

从这一切中得到的主要好处是，当您看到一个包含八进制转义序列的字符串时：

"hello\012world"

...该字符串不包含字符\、0、1和2。双引号字符串将该字符序列转换为一个 ascii 代码，该代码表示​​一个字符。你可以很容易地证明这一点：

puts "hello".length        #=>5
puts "hello\012".length    #=>6

还有许多其他类型的转义序列可以出现在双引号字符串中。您会认为它们会列在 String 类文档中，但事实并非如此。

Answer 3

s = "TEST\003KEY\002TEST\003KEY"
s.split(/[[:cntrl:]]/) * ","
# => "TEST,KEY,TEST,KEY"