如何在Ruby中将字符串转换为UTF8

Question

我正在写一个使用Hpricot的爬虫.它从某个网页下载一个字符串列表,然后我尝试将其写入该文件.编码有问题:

"\xC3" from ASCII-8BIT to UTF-8

我有在网页上呈现并以这种方式打印的项目:

Développement

的str.encoding回报UTF-8,所以force_encoding('UTF-8')没有帮助.我怎么能把它转换成可读的UTF-8？

Answer 1

您的字符串似乎编码错误:

"Développement".encode("iso-8859-1").force_encoding("utf-8")
#=> "Développement"

Answer 2

似乎你的字符串认为它是UTF-8,但实际上,它是其他东西,可能是ISO-8859-1.

首先定义(强制)正确的编码,然后将其转换为UTF-8.

在你的例子中:

puts "Développement".encode('iso-8859-1').encode('utf-8')

另一种选择是:

puts "\xC3".force_encoding('iso-8859-1').encode('utf-8') #-> Ã

如果Ã没有意义,那么尝试另一种编码.

Answer 3

“ ruby 1.9：UTF-8中的无效字节序列 ”描述了另一种使用较少代码的好的方法：

file_contents.encode!('UTF-16', 'UTF-8')