我正在尝试将字符串从ISO-8859-1编码转换为UTF-8,但似乎无法正常工作。这是我在irb中所做的一个示例。
irb(main):050:0> string = 'Norrlandsvägen'
=> "Norrlandsvägen"
irb(main):051:0> string.force_encoding('iso-8859-1')
=> "Norrlandsv\xC3\xA4gen"
irb(main):052:0> string = string.encode('utf-8')
=> "Norrlandsvägen"
我不知道为什么Norrlandsvägen在ISO-8859-1将被转换成Norrlandsvägen在UTF-8。
我尝试了编码,编码!,编码(destinationEncoding,originalEncoding),iconv,force_encoding和我能想到的各种怪异的解决方法,但似乎没有任何效果。有人可以帮我/指出正确的方向吗?
Ruby新手仍然像疯了似的拔头发,但对这里的所有回复表示感谢... :)
这个问题的背景:我正在编写一个gem,它将从某些网站(具有iso-8859-1编码)下载xml文件并将其保存在存储中,我想先将其转换为utf-8。但是像Norrlandsvägen这样的词总是让我感到困惑。真的,任何帮助将不胜感激!
[更新]:我意识到在irb控制台中运行这样的测试可能会给我带来不同的行为,所以这就是我的实际代码中的内容:
def convert_encoding(string, originalEncoding)
puts "#{string.encoding}" # ASCII-8BIT
string.encode(originalEncoding)
puts "#{string.encoding}" # still ASCII-8BIT
string.encode!('utf-8')
end
但最后一行给我以下错误:
Encoding::UndefinedConversionError - "\xC3" from ASCII-8BIT to UTF-8
感谢以下@Amadan的回答,我注意到,\xC3
如果您运行,它实际上会显示在irb中:
irb(main):001:0> string = 'ä'
=> "ä"
irb(main):002:0> string.force_encoding('iso-8859-1')
=> "\xC3\xA4"
我还尝试为结果分配一个新变量,string.encode(originalEncoding)
但出现了一个甚至更奇怪的错误:
newString = string.encode(originalEncoding)
puts "#{newString.encoding}" # can't even get to this line...
newString.encode!('utf-8')
错误是 Encoding::UndefinedConversionError - "\xC3" to UTF-8 in conversion from ASCII-8BIT to UTF-8 to ISO-8859-1
我仍然迷失在所有这些编码混乱中,但是我非常感谢所有答复,并感谢大家给我的帮助!万分感谢!:)
您以UTF-8分配一个字符串。它包含ä
。UTF-8ä
用两个字节表示。
string = 'ä'
string.encoding
# => #<Encoding:UTF-8>
string.length
# 1
string.bytes
# [195, 164]
然后,您可以强制将字节解释为好像它们是ISO-8859-1,而无需实际更改基础表示。这不再包含ä
任何内容。它包含两个字符,Ã
和¤
。
string.force_encoding('iso-8859-1')
# => "\xC3\xA4"
string.length
# 2
string.bytes
# [195, 164]
然后,您将其翻译为UTF-8
。由于这不是重新解释而是翻译,因此您保留了两个字符,但是现在使用UTF-8进行编码:
string = string.encode('utf-8')
# => "ä"
string.length
# 2
string.bytes
# [195, 131, 194, 164]
您所缺少的是,您实际上没有像从Web服务中那样获得ISO-8859-1字符串的事实-您有胡言乱语。幸运的是,这一切都在控制台测试中。如果您使用正确的输入编码读取了网站的回复,则一切正常。
对于您的控制台测试,让我们演示一下,如果您以正确的ISO-8859-1字符串开头,那么所有操作都可以:
string = 'Norrlandsvägen'.encode('iso-8859-1')
# => "Norrlandsv\xE4gen"
string = string.encode('utf-8')
# => "Norrlandsvägen"
编辑对于您的特定问题,这应该工作:
require 'net/https'
uri = URI.parse("https://rusta.easycruit.com/intranet/careerbuilder_se/export/xml/full")
options = {
:use_ssl => uri.scheme == 'https',
:verify_mode => OpenSSL::SSL::VERIFY_NONE
}
response = Net::HTTP.start(uri.host, uri.port, options) do |https|
https.request(Net::HTTP::Get.new(uri.path))
end
body = response.body.force_encoding('ISO-8859-1').encode('UTF-8')
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句