Ruby：將編碼字符轉換爲實際的UTF-8字符

Ruby對UTF-8字符串不會很好。我將數據傳遞給XML文件，儘管XML文檔被指定爲UTF-8，但它將ascii編碼（每個字符兩個字節）視爲單個字符。Ruby：將編碼字符轉換爲實際的UTF-8字符

我已經開始以'\ uXXXX'格式對輸入字符串進行編碼，但我無法弄清楚如何將其轉換爲實際的UTF-8字符。我一直在搜索這個網站和谷歌無濟於事，我的沮喪現在非常高。我正在使用Ruby 1.8.6

基本上，我想轉換字符串'\ u03a3' - >「Σ」。

我有什麼是：

data.gsub /\\u([a-zA-Z0-9]{4})/, $1.hex.to_i.chr

這當然給了「931出焦範圍」的錯誤。

謝謝添

來源

2009-11-16 Tim Reynolds

請注意，UTF-8不是每個字符兩個字節。它是每個代碼點1到4個字節。如果你的gsub工作，輸出將不是UTF-8 - 它可能更接近於UCS-2或UTF-32，這取決於數字的大小。 – hrnt 2009-11-16 22:41:01

我的答案是放棄Ruby。我在.NET中重寫了這段代碼，因爲我沒有時間繼續嘗試使用Ruby。我升級到1.9.1，其中不包括運行所需的大量DLL。添加完這些後，結果發現許多寶石在1.9。*版中被破壞，因爲它們使用硬編碼1.8。* DLL的二進制gem格式。最終腳本如下所示： data.gsub（/ \\ u [a-zA-Z0-9] {4} /）{| s | eval（'''+ s +'''）} 這在1.9。*中很完美，但由於它不運行寶石，我需要我需要去其他地方看看。 – 2009-11-17 15:54:54

有些事情會打破，因爲Ruby字符串對待UTF-8編碼的碼點作爲兩個字符？如果沒有，那麼你不應該擔心太多。如果有事情發生，請添加評論讓我們知道。解決這個問題可能更好，而不是尋找解決方法。

如果您需要進行轉換，請查看Iconv庫。

在任何情況下，Σ可能是更好的替代\u03a3。 \ uXXXX在JSON中使用，但不在XML中使用。如果你想分析\ uXXXX格式，看看一些JSON庫是如何做到的。

來源

2009-11-16 22:33:43 hrnt

Ruby（至少1.8.6）沒有完整的Unicode支持。 Integer#chr僅支持ASCII字符，否則最多隻能使用八進制表示法（'\377'）以255。

爲了證明：

irb(main):001:0> 255.chr 
=> "\377" 
irb(main):002:0> 256.chr 
RangeError: 256 out of char range 
     from (irb):2:in `chr' 
     from (irb):2

你可以嘗試升級到Ruby 1.9的。 chr文檔沒有明確聲明ASCII，因此支持可能已擴展 - 儘管示例在255停止。

或者，您可能會嘗試調查ruby-unicode。我從來沒有嘗試過，所以我不知道它會有多好。

否則，我認爲你目前在Ruby中不能完成你想要的。

來源

2009-11-16 23:15:37

試試這個：

[0x50].pack("U")

其中0x50是UTF8字符的十六進制代碼。

來源

2012-07-25 16:32:00 webtu

Ruby：將編碼字符轉換爲實際的UTF-8字符

回答

相關問題