半角空白と思ったら ＆nbsp;(NBSP) になっていてマッチングしなかった - F.Ko-Jiの「一秒後は未来」

HTML を PHP の XMLパーサでパースして、タグを strip_tags で取り除いてできた文字列が Top ＞ カテゴリ1 ＞ カテゴリ2 のようなものだとして、これを「 ＞ 」で分割しようと Ruby で split に正規表現を書いてみたのだけど、なぜかマッチングしない。 str.split(/\s+＞\s+/) よくよく元のHTMLを調べてみると、半角スペースかと思っていたところが実は   だった。 Top ＞ カテゴリ1 ＞ カテゴリ2 これをXMLパーサでパースすると、どうやら   は NBSP という半角空白とは違う ASCII 文字として処理されるらしい。UTF-8だと ASCII コードは \xc2\xa0 となるみたい。なので、 str.split(/(\xc2\xa0)+＞(\xc2\xa0)+/)