Longueur d'une chaîne unicode

Question

Dans mon application Rails (2.3, Ruby 1.8.7), j'ai besoin de tronquer une chaîne de caractères à une certaine longueur. La chaîne est unicode, et lors de l'exécution de tests dans la console, tels que ''.length j'ai réalisé qu'une double longueur est retournée. Je voudrais une longueur indépendante de l'encodage, de sorte que la même troncature soit effectuée pour une chaîne unicode ou une chaîne encodée en latin1.

J'ai parcouru la plupart des documents sur l'unicode pour Ruby, mais je suis encore un peu dans le noir. Comment aborder ce problème ?

Answer 1

Rails dispose d'un mb_chars qui renvoie des caractères multi-octets. Essayez unicode_string.mb_chars.slice(0,50)

Answer 2

"ア".size # 3 in 1.8, 1 in 1.9
puts "ア".scan(/./mu).size # 1 in both 1.8 and 1.9

Answer 3

chars y mb_chars ne vous donnent pas d'éléments de texte, ce que vous semblez rechercher.

Pour les éléments de texte, vous utiliserez l'option unicode gem .

mb_chars :

>> 'กุ'.mb_chars.size
=> 2

>> 'กุ'.mb_chars.first.to_s
=> "ก"

éléments de texte :

>> Unicode.text_elements('กุ').size
=> 1

>> Unicode.text_elements('กุ').first
=> "กุ"

Answer 4

Vous pouvez utiliser quelque chose comme str.chars.slice(0, 50).join pour obtenir les 50 premiers caractères d'une chaîne, quel que soit le nombre d'octets utilisés par caractère.