REXML和編碼

Question

誰能為我解釋這個結果？

#!/usr/bin/env ruby
# encoding: utf-8

require 'rexml/document'

doc = REXML::Document.new(DATA)
puts "doc: #{doc.encoding}"
REXML::XPath.each(doc, '//item') do |item|
  puts "  #{item}: #{item.to_s.encoding}"
end

__END__
<doc>
  <item>Test</item>
  <item>Über</item>
  <item>8</item>
</doc>

輸出：

doc: UTF-8
  <item>Test</item>: US-ASCII
  <item>Über</item>: UTF-8
  <item>8</item>: US-ASCII

似乎REXML不在乎文檔的編碼是什么，並且開始自動檢測每個項目的編碼...即使UTF-8，我注定要encode('UTF-8')我從REXML中提取的每個字符串encode('UTF-8')是原始編碼？ 這是怎么回事

Answer 1

您在Element上調用Node.to_s（） 。 要獲取實際的文本，請將Element.get_text()添加到鏈中（並在其上調用Text.to_s() ）：

puts "  #{item}: #{item.get_text.to_s.encoding}"

輸出：

doc: UTF-8
  <item>Test</item>: UTF-8
  <item>Über</item>: UTF-8
  <item>8</item>: UTF-8