Ruby'to_json'抛出ArgumentError：UTF-8中无效的字节序列

Question

在Rails控制台中，我得到：

hash = {"name"=>"სსიპ ოთარ ჩხეიძის სახელობის სოფელ ყე\xE1\x83"}
#=> {"name"=>"სსიპ ოთარ ჩხეიძის სახელობის სოფელ ყე\xE1\x83"}
hash.to_json
#>> ArgumentError: invalid byte sequence in UTF-8
from /home/edmodo/.rvm/gems/ruby-2.3.0@one-eye/gems/activesupport-json_encoder-1.1.0/lib/active_support/json/encoding/active_support_encoder.rb:79:in `gsub'

"\\xE1\\x83".to_json无效，可能是由于非UTF-8字符所致。

任何帮助表示赞赏。

如果将hash转换为字符串，则可以使用它，但是会添加诸如u003E类的垃圾字符， u003E带有许多额外的反斜杠。

hash.to_s.to_json
#=> "\"{\\\"name\\\"=\\u003E\\\"სსიპ ოთარ ჩხეიძის სახელობის სოფელ ყე\\\\xE1\\\\x83\\\"}\""

Answer 1

这是因为您的输入String 在UTF-8中包含无效的字节序列 ，正如错误消息确切说明的那样。 你可以像检查

hash['name'].valid_encoding?  # => false

从根本上讲，您应该修复输入字符串，删除所有无效的字节序列字符； 在您的示例中，它是"\\xE1\\x83"

如果出于某种原因需要保留字节序列并将其编码为标准JSON，我认为您必须首先对字符串进行编码，因为JSON不接受二进制数据，而仅接受有效的UTF-8字符串。 请注意，就JSON而言，具有无效字节序列的字符串是二进制数据。

在Rails中，可以使用Base64编码，如下所示：

hash['name'] = Base64.encode64 hash['name']
hash.to_json  # => a valid JSON

在解码时，您必须指定编码，例如，

hj = hash.to_json
Base64.decode64(JSON.parse(hj)['name']).force_encoding('UTF-8') # => Decoded string

请注意，无论如何，您所复制的字符串都不是有效的UTF-8。 但这将有助于在Rails控制台中显示。

Answer 2

如果您不怕丢失内容，可以使用以下解决方案：

pry(main)> 
{"name"=>"სსიპ ოთარ ჩხეიძის სახელობის სოფელ ყე\xE1\x83".force_encoding("ASCII-8BIT").encode('UTF-8', undef: :replace, replace: '')}.to_json

=> "{\"name\":\"     \"}"

Answer 3

require 'json'

def cleanup(string)
  text = ''
  string.each_char { |char| text << char if char.valid_encoding? }
  text
end

hash = { "name" => "სსიპ ოთარ ჩხეიძის სახელობის სოფელ ყე\xE1\x83" }
hash.transform_values! { |value| cleanup(value) }

puts hash.to_json

{"name":"სსიპ ოთარ ჩხეიძის სახელობის სოფელ ყე"}

Answer 4

谢谢Stefan，Masa Sakano和Alexey Strizhak。 您的建议对我有很大帮助。 字符串具有无效的字节序列字符是正确的。 我所做的只是保持如下所示的有效编码字符-

"სსიპ ოთარ ჩხეიძის სახელობის სოფელ ყე\xE1\x83".chars.select(&:valid_encoding?).join
=> "სსიპ ოთარ ჩხეიძის სახელობის სოფელ ყე"

这将删除不完整/无效的字符，例如“ \\ xE1 \\ x83”。

再次非常感谢大家帮助我了解问题并提出解决方案。