返回與string.replace串

Question

我在學習長生不老藥的過程中，跨越東西，沒有任何意義，我來到的二進制表示...

我試圖刪除標點

"Freude schöner Götterfunken" |> String.replace(~r/[^\s\w]/, "") #=> <<70, 114, 101, 117, 100, 101, 32, 115, 99, 104, 195, 110, 101, 114, 32, 71, 195, 116, 116, 101, 114, 102, 117, 110, 107, 101, 110>> 
"Freude schöner Götterfunken" |> String.replace(~r/[^\w]/, "") #=> <<70, 114, 101, 117, 100, 101, 32, 115, 99, 104, 195, 110, 101, 114, 32, 71, 195, 116, 116, 101, 114, 102, 117, 110, 107, 101, 110>> 
"Freude schöner Götterfunken" |> String.replace(~r/\p{P}/, "") #=> <<70, 114, 101, 117, 100, 101, 32, 115, 99, 104, 195, 110, 101, 114, 32, 71, 195, 116, 116, 101, 114, 102, 117, 110, 107, 101, 110>> 
"Freude schöner Götterfunken" |> String.replace(~r/\s/, "") #=> FreudeschönerGötterfunken 
"Hi my name is bob" |> String.replace(~r/\w/, "") #=> " " 
Regex.run(~r/[^\w]/, "Freude schöner Götterfunken") #=> [<<182>>] 

這看起來像一個錯誤，但作爲一個noob我假設無知。爲什麼不是替換返回字符串？

Answer 1

您說得對，String.replace/2沒有返回字符串，因爲Elixir將字符串定義爲utf-8編碼的二進制文件。但是，這不是一個錯誤，因爲Elixir希望你傳遞或執行有效的參數操作，因爲它不會驗證所有結果（因爲代價昂貴）。

例如，如果您將以上任何一個二進制文件傳遞給String.downcase/1，Elixir將壓倒它所知道的部分，忽略其餘部分。它的工作原因是因爲UTF-8自動同步，所以如果我們看到奇怪的東西，我們可以跳過奇怪的字節並繼續進行操作。

換句話說，Elixir中的字符串處理的理念是在邊界進行驗證（例如打開文件，進行I/O或從數據庫讀取時），並假設我們正在使用和執行有效操作。

好吧，說了這麼多，爲什麼你的代碼不起作用？原因是你的regex沒有啓用unicode。讓我們添加的u修改則：

iex> "Freude schöner Götterfunken" |> String.replace(~r/[^\s\w]/u, "") 
"Freude schöner Götterfunken" 

那麼，它並不能解決你的問題，但至少結果是有效的。 Reading about unicode categories here意味着我們無法真正用unicode屬性解決這個問題，因爲在您的示例中ö是與\p{L}屬性匹配的單個代碼點。

也許在這種情況下，最簡單的解決方案，假設你只想解決它的德國人，是剛剛穿越二元保持字節< = 127.喜歡的東西：

iex> for <<x <- "Freude schöner Götterfunken">>, x <= 127, into: "", do: <<x>> 
"Freude schner Gtterfunken" 

如果你想要一個更完整的解決方案，你應該看看unicode音譯。

Answer 2

String.replace正在返回一個「字符串」，但雙引號字符串實際上存儲爲Elixir中的二進制文件。出於某種原因，輸出不能以常規字符串的形式顯示，因此，它回退到顯示二進制表示。