7

我正在使用 Ruby 提取文件的 URL 以下载和下载它。文件名包含 utf8 字符,例如:

www.domain.com/.../ÖÇÄÜ360ÓïÒôÖúÀí.txt

尝试下载上述 URL 时,失败。使用URI::escape会产生一个也不起作用的 URI:

www.domain.com/.../%C3%96%C3%87%C3%84%C3%9C360%C3%93%C3%AF%C3%92%C3%B4%C3%96%C3%BA%C3%80%C3%AD.txt

但如果我遵循URL Encoding Reference,它可以工作:

www.domain.com/.../%D6%C7%C4%DC360%D3%EF%D2%F4%D6%FA%C0%ED.txt

我试图在 Ruby 中搜索一个执行完全相同编码的函数,但我找不到任何函数。在我尝试编写一个实现上面链接中的表的函数之前,我想问一下是否有人知道任何现有的库可以做到这一点。如果我决定这样做,我应该编码什么范围的字符,显然,不是所有的。

我正在使用带有 RUBY_VERSION => "1.8.7" 的 JRuby 1.6.2

4

1 回答 1

15

哦,字符编码的乐趣!

这里发生的事情如下。Ruby 在内部将您提取的字符串存储为字节序列,即文件名的 utf-8 编码。当您调用URI.escape它时,这些字节以%xy格式进行转义,并且生成的字符串现在仅由 ASCII 范围内的字节组成,用作 url。

然而,接收服务器正在解释这些字节(在将它们从%xy表单中转义之后),就好像它们采用不同的编码一样,在这种情况下是ISO-8859-1,因此它提供的结果文件名与它所拥有的任何内容都不匹配.

这是一个使用 Ruby 1.9 的演示,因为它对编码有更好的支持。

1.9.3-p194 :003 > f
 => "ÖÇÄÜ360ÓïÒôÖúÀí.txt" 
1.9.3-p194 :004 > f.encoding
 => #<Encoding:UTF-8> 
1.9.3-p194 :005 > URI.escape f
 => "%C3%96%C3%87%C3%84%C3%9C360%C3%93%C3%AF%C3%92%C3%B4%C3%96%C3%BA%C3%80%C3%AD.txt" 
1.9.3-p194 :006 > g = f.encode 'iso-8859-1'
 => "\xD6\xC7\xC4\xDC360\xD3\xEF\xD2\xF4\xD6\xFA\xC0\xED.txt" 
1.9.3-p194 :007 > g.encoding
 => #<Encoding:ISO-8859-1> 
1.9.3-p194 :008 > URI.escape g
 => "%D6%C7%C4%DC360%D3%EF%D2%F4%D6%FA%C0%ED.txt"

因此,这种情况下的解决方案是在转义字符串之前将其编码为 ISO-8859-1。在 Ruby 1.9 中,您可以像上面那样执行此操作,在早期版本中,您可以使用 Iconv(我假设 JRuby 包含 Iconv,我实际上对 JRuby 并不熟悉):

1.8.7 :001 > f
 => "\303\226\303\207\303\204\303\234360\303\223\303\257\303\222\303\264\303\226\303\272\303\200\303\255.txt" 
1.8.7 :005 > g = Iconv.conv('iso-8859-1', 'utf-8', f)
 => "\326\307\304\334360\323\357\322\364\326\372\300\355.txt" 
1.8.7 :006 > URI.escape f
 => "%C3%96%C3%87%C3%84%C3%9C360%C3%93%C3%AF%C3%92%C3%B4%C3%96%C3%BA%C3%80%C3%AD.txt" 
1.8.7 :007 > URI.escape g
 => "%D6%C7%C4%DC360%D3%EF%D2%F4%D6%FA%C0%ED.txt" 

请注意,通常您不能依赖使用任何特定编码的服务器。它应该使用 utf-8,但在这种情况下显然不是。

于 2012-05-10T22:42:12.950 回答