Ruby正则gsub处理区域语言时修改用户输入的解决方法

你的问题出在正则只匹配了Unicode基础字母（\p{Alpha}等价于\p{L}），但像印地语中कं这类字符是基础字母+变音符号的组合（其中ं属于Unicode的\p{M}标记类别），这类变音符号会被你的正则判定为"非字母"并过滤，导致拼写异常。

要保留任意语言的完整字母（包括带变音符号的）以及数字，需要调整正则，同时包含字母、数字和组合标记：

text = 'कंप्यूटर'
# 匹配并移除所有非字母、非数字、非组合标记的字符
regex = /[^\p{L}\p{N}\p{M}]/
filter_text = text.gsub(regex, '')
puts filter_text # 输出 कंप्यूटर，与输入一致

也可以用\p{Alnum}简化（\p{Alnum}等价于\p{L}+\p{N}）：

regex = /[^\p{Alnum}\p{M}]/

如果你的需求是保留视觉上的完整字符（字素簇），也可以使用\X匹配字素簇，但注意\X会包含表情符号等其他非字母数字的字符，若需严格过滤，建议使用前者。

内容的提问来源于stack exchange，提问作者Praveenkumar