如何在Ruby中将字符串转换为UTF8

Question

我正在写一个使用Hpricot的爬虫。 它从某些网页下载字符串列表，然后尝试将其写入文件。 编码有问题：

"\xC3" from ASCII-8BIT to UTF-8

我有呈现在网页上并以这种方式打印的项目：

Développement

str.encoding返回UTF-8 ，所以force_encoding('UTF-8')没有帮助。 如何将其转换为可读的UTF-8？

Answer 1

您的字符串似乎编码方式错误：

"Développement".encode("iso-8859-1").force_encoding("utf-8")
#=> "Développement"

Answer 2

您的字符串似乎认为它是UTF-8，但实际上，它是另外一些东西，可能是ISO-8859-1。

首先定义（强制）正确的编码，然后将其转换为UTF-8。

在您的示例中：

puts "Développement".encode('iso-8859-1').encode('utf-8')

一种替代方法是：

puts "\xC3".force_encoding('iso-8859-1').encode('utf-8') #-> Ã

如果Ã没有意义，请尝试其他编码。

Answer 3

“ ruby 1.9：UTF-8中的无效字节序列 ”描述了另一种使用较少代码的好的方法：

file_contents.encode!('UTF-16', 'UTF-8')