Ruby 1.8.7中的Ruby字符串編碼

Question

我正在使用Ruby C API（來自Objective C）創建一個Ruby字符串，它恰好包含芬蘭語字符。

一旦進入Ruby，我就會調用一個gem進行一些操作，它會截斷字符串，但編碼的字符會被截斷不正確 - 非常像這個問題：

如何獲取Unicode字符串的Ruby子字符串？

一個示例字符串是HpääseesyvemmälleAelämään - 變音符號變為類似\\ 30333之類的東西但是當被截斷時最終會變成\\ 303這是一個問題。

我不想破解gem以解決這個問題，因為我已經使用Ruby中直接打開的相同字符串進行了測試，並且它工作正常。

所以我知道我把錯誤的東西傳給了Ruby。

以下是我將NSString轉換為值以在Ruby中使用的方法。

- (VALUE) toRubyValue {
    size_t data_length = [self lengthOfBytesUsingEncoding:NSUTF8StringEncoding];
    size_t buffer_length = data_length + 1;
    char buf[buffer_length];
    [self getCString:buf maxLength:buffer_length encoding:NSUTF8StringEncoding];
    return rb_str_new(buf, data_length);
}

我在Ruby 1.8.7上

解決這個問題的最佳方法是什么 - 我很高興用Ruby或C（或Objective C）來做，但我寧願不使用任何具有本機C擴展的Ruby Gems

Answer 1

我不認為你把錯誤的東西傳給了Ruby。 您正在創建一個UTF-8編碼的Ruby 1.8字符串。 Ruby 1.8並不關心編碼，而是將字符串視為字節數組。 這意味着任何不正確的Ruby代碼都可以產生您所談論的結果。 '黑客'寶石真的是你唯一的選擇。

並升級到1.9甚至2.0你最好的出路。