正则表达式“punct”字符类根据 Ruby 版本匹配不同的字符

Ruby 的字符类标点符号, i.e. [:punct:], \p{Punct}, or \p{P}似乎根据我使用的 Ruby 版本匹配不同的字符。

这是一个小例子：（很抱歉弄乱了 SO 的语法荧光笔）

# punct.rb
chars = <<-EOD.split
! " # $ % & ' ( ) * + , - . / : ; < = > ? @ [ ] ^ _ ` { | } ~
EOD

matched, not_matched = chars.partition { |c| c =~ /[[:punct:]]/ }

puts "    matched: #{matched.join}"
puts "not matched: #{not_matched.join}"

使用 Ruby 1.9.3 和 Ruby 2.4.0 我得到：

    matched: !"#$%&'()*+,-./:;<=>?@[]^_`{|}~
not matched:

但是中间的各种 Ruby 版本（2.0.x、2.1.x、2.2.x、2.3.x）给了我：

    matched: !"#%&'()*,-./:;?@[]_{}
not matched: $+<=>^`|~

为什么会发生这种情况以及正确的行为是什么？更重要的是：如何在 Ruby 版本之间获得一致的结果？

尝试更改我的区域设置无济于事（按照建议为什么 Ruby /[[:punct:]]/ 会丢失一些标点符号？).

Ruby 1.9.3 使用 US_ASCII 作为默认编码，它可以正确匹配所有标点符号。 Ruby 2.0 将其默认编码切换为 UTF-8，引入了您发现的错误，该错误导致标点符号匹配不正确。 Ruby 2.4 修补了这个错误。

正确的行为是匹配所有标点符号，就像 ruby​​ 1.9.3 和 2.4 那样。这与 POSIX 正则表达式对标点符号的定义一致。

使代码一致的一种选择是将所有字符串编码为 US_ASCII 或不存在 UTF-8 错误的替代方案：

matched, unmatched = chars.partition { |c| c.encode(Encoding::US_ASCII) =~ /[[:punct:]]/ }

但这可能是不可取的，因为它迫使您对字符串使用限制性编码。

另一种选择是手动定义标点符号：

/[!"\#$%&'()*+,\-./:;<=>?@\[\\\]^_`{|}~]/

这有点不优雅，但您可以将其放入变量中并以这种方式将其添加到正则表达式中：

punctuation = "[!\"\#$%&'()*+,\-./:;<=>?@\[\\\]^_`{|}~]"
my_regex = /#{punctuation}/