Rubyのgsubについて質問です

Question

こんばんは。
Ruby gsubメソッドを用いて文字コードの置換を行う際に
気になった点があったので、質問させて下さい。

gsubの第一引数の正規表現の中での角かっこを用いた指定方法だと、
レシーバーの文字列の中で、角かっこ内で指定した文字列がマッチした場合置換という形になると思います。以下コードとなります

"abc".gsub(/[a]/, "")
=> bc

そこで、第一引数に文字コードを置換する正規表現を指定した場合、自分が予想した挙動と異なる動きをしたのが、少し気になりました。以下コードとなります

"200".gsub(/[\u200E]/, "")
=> 200

上記の処理の際に自分が予想した結果だと、レシーバーの200が置換されて、空文字列が返ってくると思っておりました。（角かっこ内に200が含まれている為）gsubの第一引数に文字コードの正規表現を指定した場合、その文字コードが１セットとしれ考えられるのでしょうか？

ご存知の方いらっしゃいましたらご回答していただけると嬉しいです！
よろしくお願い致します。

Answer 1

Rubyではバックスラッシュ記法というのがあり、リテラルの中で
バックスラッシュ「\」から始まるところがあると特別な意味を持ちます。
※バックスラッシュ「\」はフォント環境によって半角の「￥」で表示される場合もあります。
これは本来表現できない文字(例えば改行\nなど)を表すための方法で、
""の文字列、//の正規表現、``のコマンド出力などで使用できます。
詳しいことは下記のマニュアルを参考にして下さい。
Ruby docs: リテラル

さて、上のことを踏まえますと、今回の\u200Eが表しているは字面通りではなく、
バックスラッシュ記法です。
\u200Eはユニコードの0x200E番目の文字(U+200E)というたった一つの文字を表します。
これは"2"という文字でも"0"という文字でもないため、gsubではマッチしないということです。

Comments

[tk_matsumoto]

ご回答ありがとうございます。
\u200Eが一つの文字を表すとの事で、なぜこの場合200が置換されないのか理解出来ました！ベストアンサーとさせて頂きます。

他の回答者の方も回答ありがとうございました。とても勉強になりました！

Answer 2

$ irb
irb(main):001:0> "abc".gsub(/a/, "")
=> "bc"

irb(main):002:0> "200".gsub(/200/, "")
=> ""

irb(main):003:0> "abcdefg".gsub(/[a-d]/, "")
=> "efg"

正規表現の [...] は文字のセットを指定するものです。
単に "a" を置換したいなら gsub(/a/, "") で良いです。
"200" を置換したいなら gsub(/200/, "") で良いです。

正規表現で [a-d] は [abcd] と同じ意味になります。

参考情報

• Ruby 正規表現の使い方 http://qiita.com/shizuma/items/4279104026964f1efca6

Answer 3

unicode を調べてみたところ、"2" は 0032, "0" は 0030 でした。200E に相当する文字はなさそうですが…。

ですので、

"200".gsub( /[\u0032]|[\u0030]/, "" )
=> ""

となりましたが、これでよろしいでしょうか。

ちなみに、[\uXXXX] の形で、正規表現中に文字を指定できることを、今回初めて知りました。
勉強になりました。