Ruby：將編碼字符轉換為實際的 UTF-8 字符

Question

Ruby 不會很好地處理 UTF-8 字符串。 我在 XML 文件中傳遞數據，雖然 XML 文檔被指定為 UTF-8，但它將 ascii 編碼（每個字符兩個字節）視為單個字符。

我已經開始以 '\\uXXXX' 格式對輸入字符串進行編碼，但是我不知道如何將其轉換為實際的 UTF-8 字符。 我一直在這個網站和谷歌上搜索，但無濟於事，我現在非常沮喪。 我正在使用 Ruby 1.8.6

基本上，我想轉換字符串 '\Σ' -> "Σ"。

我所擁有的是：

data.gsub /\\u([a-zA-Z0-9]{4})/,  $1.hex.to_i.chr

這當然會給出“931 超出字符范圍”的錯誤。

謝謝蒂姆

Answer 1

試試這個 ：

[0x50].pack("U")

其中0x50是 utf8 字符的十六進制代碼。

Answer 2

是否因為 Ruby 字符串將 UTF-8 編碼的代碼點視為兩個字符而中斷？ 如果沒有，那么你不應該太擔心。 如果出現問題，請添加評論讓我們知道。 解決這個問題可能比尋找解決方法更好。

如果您需要進行轉換，請查看 Iconv 庫。

無論如何， Σ 可能是\Σ更好的替代品。 \\uXXXX 在 JSON 中使用，但不在 XML 中使用。 如果您想解析 \\uXXXX 格式，請查看一些 JSON 庫是如何做的。

Answer 3

Ruby（至少 1.8.6）沒有完整的 Unicode 支持。 Integer#chr僅支持 ASCII 字符，否則最多只能支持255八進制表示法 ( '\\377' )。

證明：

irb(main):001:0> 255.chr
=> "\377"
irb(main):002:0> 256.chr
RangeError: 256 out of char range
        from (irb):2:in `chr'
        from (irb):2

您可以嘗試升級到 Ruby 1.9。 chr文檔沒有明確說明 ASCII，因此支持可能已經擴展——盡管示例在 255 處停止。

或者，您可以嘗試調查ruby-unicode 。 我自己從來沒有嘗試過，所以我不知道它會有多大幫助。

否則，我認為您目前無法在 Ruby 中做您想做的事。

Answer 4

您可以將編碼傳遞給Integer#chr ：

chr([編碼]) → 字符串

根據encoding返回一個包含由int值表示的字符的字符串。

 65.chr #=> "A" 230.chr #=> "\\xE6" 255.chr(Encoding::UTF_8) #=> "\ÿ"

因此，不要使用.chr ，而是使用.chr(Encoding::UTF_8) 。