7

在 ruby​​ 1.9.3 中，我可以获得字符串的代码点：

> "foo\u00f6".codepoints.to_a
 => [102, 111, 111, 246]

是否有一个内置的方法去另一个方向，即从整数数组到字符串？

我知道：

# not acceptable; only works with UTF-8
[102, 111, 111, 246].pack("U*")

# works, but not very elegant
[102, 111, 111, 246].inject('') {|s, cp| s << cp }

# concise, but I need to unshift that pesky empty string to "prime" the inject call
['', 102, 111, 111, 246].inject(:<<)

更新（回应 Niklas 的回答）

有趣的讨论。 pack("U*")始终返回 UTF-8 字符串，而inject版本返回文件源编码中的字符串。

#!/usr/bin/env ruby
# encoding: iso-8859-1

p [102, 111, 111, 246].inject('', :<<).encoding
p [102, 111, 111, 246].pack("U*").encoding
# this raises an Encoding::CompatibilityError
[102, 111, 111, 246].pack("U*") =~ /\xf6/

对我来说，inject调用返回一个 ISO-8859-1 字符串，而pack返回一个 UTF-8。为了防止错误，我可以使用pack("U*").encode(__ENCODING__)，但这会让我做额外的工作。

更新 2

显然， String#<< 并不总是根据字符串的编码正确附加。所以看起来 pack 仍然是最好的选择。

[225].inject(''.encode('utf-16be'), :<<)  # fails miserably
[225].pack("U*").encode('utf-16be')  # works
4

2 回答 2

10

你自己的尝试最明显的适应是

[102, 111, 111, 246].inject('', :<<)

然而，这不是一个好的解决方案，因为它仅在初始空字符串文字具有能够容纳整个 Unicode 字符范围的编码时才有效。以下失败：

#!/usr/bin/env ruby
# encoding: iso-8859-1
p "\u{1234}".codepoints.to_a.inject('', :<<)

所以我实际上会推荐

codepoints.pack("U*")

我不知道您所说的“仅适用于 UTF-8”是什么意思。它创建了一个 UTF-8 编码的 Ruby 字符串，但是 UTF-8 可以容纳整个 Unicode 字符范围，那么有什么问题呢？观察：

irb(main):010:0> s = [0x33333, 0x1ffff].pack("U*")
=> "\u{33333}\u{1FFFF}"
irb(main):011:0> s.encoding
=> #<Encoding:UTF-8>
irb(main):012:0> [0x33333, 0x1ffff].pack("U*") == [0x33333, 0x1ffff].inject('', :<<)
=> true
于 2012-04-24T19:34:43.890 回答
2

根据数组中的值和 的值Encoding.default_internal，您可以尝试：

[102, 111, 111, 246].map(&:chr).inject(:+)

您必须小心编码。请注意以下事项：

irb(main):001:0> 0.chr.encoding
=> #<Encoding:US-ASCII>
irb(main):002:0> 127.chr.encoding
=> #<Encoding:US-ASCII>
irb(main):003:0> 128.chr.encoding
=> #<Encoding:ASCII-8BIT>
irb(main):004:0> 255.chr.encoding
=> #<Encoding:ASCII-8BIT>
irb(main):005:0> 256.chr.encoding
RangeError: 256 out of char range
        from (irb):5:in `chr'
        from (irb):5
        from C:/Ruby200/bin/irb:12:in `<main>'
irb(main):006:0>

默认情况下，256.chr 失败，因为它喜欢返回 US-ASCII 或 ASCII-8BIT，具体取决于代码点是在 0..127 还是 128..256。

这应该涵盖您对 8 位值的观点。如果您的值大于 255（可能是 Unicode 代码点），那么您可以执行以下操作：

irb(main):006:0> Encoding.default_internal = "utf-8"
=> "utf-8"
irb(main):007:0> 256.chr.encoding
=> #<Encoding:UTF-8>
irb(main):008:0> 256.chr.codepoints
=> [256]
irb(main):009:0>

将 Encoding.default_internal 设置为“utf-8”，Unicode 值 > 255 应该可以正常工作（但见下文）：

irb(main):009:0> 65535.chr.encoding
=> #<Encoding:UTF-8>
irb(main):010:0> 65535.chr.codepoints
=> [65535]
irb(main):011:0> 65536.chr.codepoints
=> [65536]
irb(main):012:0> 65535.chr.bytes
=> [239, 191, 191]
irb(main):013:0> 65536.chr.bytes
=> [240, 144, 128, 128]
irb(main):014:0>

现在它变得有趣了——ASCII-8BIT 和 UTF-8 似乎没有混合：

irb(main):014:0> (0..127).to_a.map(&:chr).inject(:+).encoding
=> #<Encoding:US-ASCII>
irb(main):015:0> (0..128).to_a.map(&:chr).inject(:+).encoding
=> #<Encoding:ASCII-8BIT>
irb(main):016:0> (0..255).to_a.map(&:chr).inject(:+).encoding
=> #<Encoding:ASCII-8BIT>
irb(main):017:0> ((0..127).to_a + (256..1000000).to_a).map(&:chr).inject(:+).encoding
RangeError: invalid codepoint 0xD800 in UTF-8
        from (irb):17:in `chr'
        from (irb):17:in `map'
        from (irb):17
        from C:/Ruby200/bin/irb:12:in `<main>'
irb(main):018:0> ((0..127).to_a + (256..0xD7FF).to_a).map(&:chr).inject(:+).encoding
=> #<Encoding:UTF-8>
irb(main):019:0> (0..256).to_a.map(&:chr).inject(:+).encoding
Encoding::CompatibilityError: incompatible character encodings: ASCII-8BIT and UTF-8
        from (irb):19:in `+'
        from (irb):19:in `each'
        from (irb):19:in `inject'
        from (irb):19
        from C:/Ruby200/bin/irb:12:in `<main>'
irb(main):020:0>

ASCII-8BIT 和 UTF-8 可以连接，只要 ASCII-8BIT 代码点都在 0..127 中：

irb(main):020:0> 256.chr.encoding
=> #<Encoding:UTF-8>
irb(main):021:0> (0.chr.force_encoding("ASCII-8BIT") + 256.chr).encoding
=> #<Encoding:UTF-8>
irb(main):022:0> 255.chr.encoding
=> #<Encoding:ASCII-8BIT>
irb(main):023:0> (255.chr + 256.chr).encoding
Encoding::CompatibilityError: incompatible character encodings: ASCII-8BIT and UTF-8
        from (irb):23
        from C:/Ruby200/bin/irb:12:in `<main>'
irb(main):024:0>

这给我们带来了您问题的最终解决方案：

irb(main):024:0> (0..0xD7FF).to_a.map {|c| c.chr("utf-8")}.inject(:+).encoding
=> #<Encoding:UTF-8>
irb(main):025:0>

所以我认为最一般的答案是，假设你想要 UTF-8，是：

[102, 111, 111, 246].map {|c| c.chr("utf-8")}.inject(:+)

假设您知道您的值在 0..255 中，那么这更容易：

[102, 111, 111, 246].map(&:chr).inject(:+)

给你：

irb(main):027:0> [102, 111, 111, 246].map {|c| c.chr("utf-8")}.inject(:+)
=> "fooö"
irb(main):028:0> [102, 111, 111, 246].map(&:chr).inject(:+)
=> "foo\xF6"
irb(main):029:0> [102, 111, 111, 246].map {|c| c.chr("utf-8")}.inject(:+).encoding
=> #<Encoding:UTF-8>
irb(main):030:0> [102, 111, 111, 246].map(&:chr).inject(:+).encoding
=> #<Encoding:ASCII-8BIT>
irb(main):031:0>

我希望这会有所帮助（尽管可能有点晚了）——我发现这是在寻找同一个问题的答案，所以我自己研究了它。

于 2013-09-20T20:56:48.867 回答