Cómo determinar si un carácter es un carácter chino
-
02-10-2019 - |
Pregunta
Cómo determinar si un carácter es un carácter chino usando Ruby?
Solución
Un artículo interesante sobre codificaciones en Ruby: http://blog.grayproductions.net/articles/bytes_and_characters_in_ruby_18 (es parte de una serie - comprobar la tabla de contenido en el inicio del artículo también)
No he utilizado caracteres chinos antes, pero esto parece ser la lista apoyada por Unicode: http: / /en.wikipedia.org/wiki/List_of_CJK_Unified_Ideographs . Asimismo, tomamos nota de que es un sistema unificado incluyendo japonés y coreanos (algunos caracteres se comparten entre ellos) - no estoy seguro si se puede distinguir que son chino sólo
.Creo que se puede comprobar si se trata de un personaje CJK llamando a esto en la cadena str y el carácter con el índice n:
def check_char(str, n)
list_of_chars = str.unpack("U*")
char = list_of_chars[n]
#main blocks
if char >= 0x4E00 && char <= 0x9FFF
return true
end
#extended block A
if char >= 0x3400 && char <= 0x4DBF
return true
end
#extended block B
if char >= 0x20000 && char <= 0x2A6DF
return true
end
#extended block C
if char >= 0x2A700 && char <= 0x2B73F
return true
end
return false
end
Otros consejos
Ruby 1.9
#encoding: utf-8
"漢" =~ /\p{Han}/