如何在Ruby中删除4个字节的utf-8字符？

Question

由于MySQL的utf8不支持4字节字符,我正在寻找一种方法来检测并消除Ruby中字符串中的任何4字节utf8字符.我知道我可以更新我的表使用utf8m4,但有几个原因是不可能或所需的解决方案.

简单地将字符串编码为ASCII将删除这些字符,但也会删除所有其他非ASCII字符,这是不好的.

Answer 1

以下似乎在Ruby 1.9.3中对我有用:

input.each_char.select{|c| c.bytes.count < 4 }.join('')

例如:

input = "hello \xF0\xA9\xB6\x98 world"                  # includes U+29D98
input.each_char.select{|c| c.bytes.count < 4 }.join('') # 'hello  world'