添加反斜杠以修复红宝石字符串中的字符编码

Question

我敢肯定这很容易，但是我正与所有这些反斜杠纠结在一起。

我有一些要从网站（礼貌地）抓取的数据。 有时候我会看到一个句子，看起来像这样：

u00a362 000? you must be joking

哪个当然应该是'2000英镑？ 你一定是在开玩笑'。 irb的简短测试将其解密。

ruby-1.9.2-p180 :001 > string = "u00a3"
  => "u00a3" 
ruby-1.9.2-p180 :002 > string = "\u00a3"
  => "£" 

当然：添加一个反斜杠，它将被解码。 我借助此问题创建了以下内容：

puts str.gsub('u00', '\\u00') 

这导致输出\£ 。 这一切都很好，但是我希望它在字符串本身中是£。 仅仅puts这还不够。

做gsub('u00a3', '£')因为毫无疑问我会缺少其他字符。

谢谢你的帮助。

Answer 1

尝试使用Iconv库转换传入的字符串。 您也可以看看stringex gem。 它具有“另辟go径”的方法，但可以提供您要查找的映射。 就是说，如果编码不好，就不可能正确。

Answer 2

警告，以下内容不是很漂亮。

str = "u00a362 000? you must be joking"
split_unicode = str.gsub(/(u00[a-z0-9]{2})/, "split_here\\1split_here").split(/split_here/)
final = split_unicode.map do |elem|
  if elem =~ /^u00/
    [("0x" + elem.gsub(/u00/, '')).hex].pack("U*")
  else
    elem
  end
end
puts final.join

因此，这里的想法是找到u00xx值并将其转换为十六进制。 从那里，我们可以使用pack方法输出正确的unicode字符。

它也可以用可怕的单线处理！

puts (str.gsub(/(u00[a-z0-9]{2})/, "split_here\\1split_here").split(/split_here/).map {|elem| elem =~ /^u00/ ? [("0x" + elem.gsub(/u00/, '')).hex].pack("U*") : elem}).join

也许有更好的解决方案（我希望！），但是这个可行。