切分字符串，然后把数组逆序的小脚本

刚才正无聊，在JavaEye的问答区Ruby分类里看到了这样一问：
http://www.iteye.com/problems/3

tianshi0253 写道

从键盘输入一组数据，如：“测试，JAVAEYE！”,输出的结果为：“！JAVAEYE，试测”。
并且把它们存储到一个TXT文本中。

这简单的功能要求也挺有趣的，就尝试了一下。
基本思路是先使用String#split，然后用Array#reverse，最后用File.open和puts做输出。所以关键的地方就是要传给String#split的正则表达式参数了。

先忽略中文和全角字符，假设我们处理的都是ASCII字符。然后，那题目看来是要把某些字符看作分隔符来讲字符串分割开来，但同时要求分隔符也被保留。没有明确要求空白字符如何处理，这里假设空白字符在目标字符串中被忽略。

我们知道，给String#split的参数里的正则表达式所能匹配的子串会被“吃掉”，所以为了匹配分隔符而又不让它们被“吃掉”，我们就需要“零长度匹配”，或者叫“环视”（lookaround）。
同时使用正向和逆向环视（lookahead和lookbehind），我们就能够完成对指定的分隔符的匹配和分隔，同时在目标字符串中保留它们。所以最终的程序会类似这样：

split = ",.!?"              # 可以将别的字符定义为分隔符
file_path = "D:/result.txt" # 可以从别的地方获取输出的文件的路径
File.open(file_path, "w") do |file|
  file.puts gets.chomp.split(/\s*(?:(?<=[#{split}])|(?=[#{split}]))\s*/).reverse.join("")
end

这样，当我们执行这个程序，并且在命令行输入下面的字符串时：

Hello, JavaEye!

在D:\result.txt里我们就会得到：

!JavaEye,Hello

差不多了吧？注意到空格被去掉了（基于上面的假设）

来仔细看看那个正则表达式（先将split带入进去）：

/\s*(?:(?<=[#{split}])|(?=[#{split}]))\s*/

一头一尾都是匹配任意个数的空白字符：\s*
中间是一个非捕获型分组(? ... )
这个分组内有两个选择，前一个是逆向环视，用于匹配左边有分隔符的情况：(?<=[,.!?])
后一个是正向环视，用于匹配右边有分隔符的情况：(?=[,.!?])

这样就大致的解决了那个问题，只是……

（又有“只是”了）嗯，用Ruby 1.8.x来执行上面的代码是行不通的。因为Ruby采用的正则表达式引擎是自己实现的，而不是PCRE或者Perl自身用的那个，不支持逆向环视。
幸好，在Ruby 1.9.0里，正则表达式的引擎换成了Oniguruma（鬼車），总算支持了逆向环视。前面的代码的运行就是在Ruby 1.9.0-0上测试的。

但是……
还有一个重要的问题暂时被忽略了：中文和全角符号的支持。
如果是以UNICODE为内部编码表示的语言，那这根本不是问题；所以像是C#啊Java之类的都不会碰到什么问题。但是Ruby直到1.8.6为止对UTF-8/UTF-16/Shift-JIS以外的编码的支持都挺糟糕的。Windows下的控制台一般是设置到操作系统的默认locale，在简体中文Windows上就是GBK。这样输入到Ruby解释器里的中文字符串就可能有问题

假如把上面代码中的分隔符设置为"，！"（注意到是全角字符），然后保存为UTF-8的源码文件，那么运行的时候会出错：

split.rb:4:in `split': incompatible encoding regexp match (UTF-8 regexp with ASCII-8BIT string) (ArgumentError)
        from split.rb:4:in `block in <main>'
        from split.rb:3:in `open'
        from split.rb:3:in `<main>'

假如还是保存为ANSI（简体中文Windows上也就是GBK），那么运行的结果就不太对：

。JavaEye测试

我也不知道有什么好办法来解决这个问题……GUI程序的话说不定还有点办法，控制台程序真是一点办法都没有（总不能要求用户为了这么个小程序去调整控制台编码吧 = =）
平时自己写的小程序多半都只用英文，就避开了这个问题。但是要是写给别人用，而又非要用中文的话，那我还真的不知道怎么办好了。Sigh。

评论

4 楼 RednaxelaFX 2008-05-19  

lwwin 写道

直接想到的是：

#include <string.h> 
#include <stdio.h> 
#include <locale.h> 
void main(void){ 
    wchar_t* str=L"测试，JAVAEYE！"; 
    setlocale(LC_ALL,""); 
    fwprintf(stderr,L"%s",_wcsrev(str)); 
}

这样的话只是把字符串的内容整个反转了过来，而不是按照token来反转，很明显跟原本的问题给出的例子不相符……
那帖里的回复多半都是这样的，要是只要把字符串内容反转过来的话那在Ruby里一样是简单，用String#reverse就完事了 = =

引用

--------------------------------------------------------- String#reverse
     str.reverse   => new_str
------------------------------------------------------------------------
     Returns a new string with the characters from _str_ in reverse
     order.

        "stressed".reverse   #=> "desserts"

3 楼 tianshi0253 2008-05-17  

看到楼主这么写，很感动呢。
呵呵，我是一个小鸟， 也是新手呢。呵呵
看不懂呢。不过感觉你写的很好呢。呵呵
谢谢了。
收藏一下了。

2 楼 lwwin 2008-05-16  

控制台的版本……支持32个U……
#include <string.h>
#include <stdio.h>
#include <locale.h>
void main(void){
    wchar_t str[32];
    setlocale(LC_ALL,"");
    wscanf(L"%s",str);
    fwprintf(stderr,L"%s",_wcsrev(str));
}

1 楼 lwwin 2008-05-16  

直接想到的是：
#include <string.h>
#include <stdio.h>
#include <locale.h>
void main(void){
    wchar_t* str=L"测试，JAVAEYE！";
    setlocale(LC_ALL,"");
    fwprintf(stderr,L"%s",_wcsrev(str));
}
不知道为啥不用locale就不行显示中文，细节很深奥嘛-v-+不愧是FX大了～