Escaneo de números Unicode en una cadena con \ d
De acuerdo ala documentación de Oniguruma, el\d coincidencias de tipo de personaje:
decimal digit char
Unicode: General_Category - Decimal_Number
Sin embargo, buscando\d en una cadena con todos los caracteres Decimal_Number da como resultado que solo coincidan los dígitos latinos 0-9:
#encoding: utf-8
require 'open-uri'
html = open("http://www.fileformat.info/info/unicode/category/Nd/list.htm").read
digits = html.scan(/U\+([\da-f]{4})/i).flatten.map{ |s| s.to_i(16) }.pack('U*')
puts digits.encoding, digits
#=> UTF-8
#=> 0123456789٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹߀߁߂߃߄߅߆߇߈߉०१२३४५६७८९০১২৩৪৫৬৭৮৯੦੧੨…
p RUBY_DESCRIPTION, digits.scan(/\d/)
#=> "ruby 1.9.2p180 (2011-02-18) [i386-mingw32]"
#=> ["0", "1", "2", "3", "4", "5", "6", "7", "8", "9"]
¿Estoy leyendo mal la documentación? ¿Por qué no\d coincide con otros números Unicode, y / o ¿hay alguna forma de hacerlo?