Cómo especificar Regexp de caracteres Unicode cirílico en Ruby 1.9

Question

#coding: utf-8 
str2 = "asdfМикимаус" 
p str2.encoding #<Encoding:UTF-8> 
p str2.scan /\p{Cyrillic}/ #found all cyrillic characters 
str2.gsub!(/\w/u,'') #removes only latin characters 
puts str2 

La cuestión es por qué \w ignoran los caracteres cirílicos?

He instalado el último paquete de ruby ​​de http://rubyinstaller.org/. Aquí está mi salida del ruby -v

ruby 1.9.1p378 (2010-01-10 revision 26273) [i386-mingw32] 

Por lo que yo sé 1,9 oniguruma biblioteca de expresiones regulares tiene soporte completo para caracteres Unicode.

Answer 1

Esto es como se especifica en el Ruby documentation: \w es equivalente a [a-zA-Z0-9_] y por lo tanto no se dirige a ningún carácter Unicode.

En su lugar, probablemente desee utilizar [[:alnum:]], que incluye todos los caracteres alfabéticos y numéricos de unicode. Verifique también [[:word:]] y [[:alpha:]].