2

我在尝试将推文写入我的 psql 数据库时遇到错误。

我已经在互联网上搜索了高低（可能还不够好）以寻找答案，但无济于事。我在这里查看了答案 - 但建议是将字符串转换为 UTF8（即使响应标头声称它已经是 UTF-8）。

我用这段代码做到了：

# get the data from twitter
response = RestClient.get "http://search.twitter.com/search.json?rpp=100&since_id=238726971826253824&q=love"

# find the data encoding using CharDet
data = CharDet.detect(response.body)
encoding = data['encoding']

# create a new instance of Iconv with UTF-8 and then convert response.body
ic = Iconv.new('UTF-8//IGNORE', encoding)
converted_response = ic.iconv(response.body + '  ')[0..-2]

# take the data and convert it to JSON
response_json = ActiveSupport::JSON.decode(converted_response)


然后我们解析 response_json 并在数据库内部创建推文。但是，这样做时，我们会在下面收到此错误。 

  [4;36;1mSQL (0.1ms)[0m   [0;1mBEGIN[0m
  [4;35;1mSQL (0.0ms)[0m   [0mPG::Error: ERROR: invalid byte sequence for encoding "UTF8": 0xeda0bc
: INSERT INTO "tweets" ("from_user_id", "approved", "from_user", "has_profanity",    "twitter_search_id", "twitter_id", "posted_at", "updated_at", "iso_language_code", "profile_image_url", "text", "created_at", "archived", "geo", "to_user_id", "to_user", "metadata", "source", "event_id") VALUES(573857675, NULL, 'nataliekiro', NULL, 618, 238825898718162944, '2012-08-24 02:31:46.000000', '2012-08-24 02:32:05.166492', 'en', 'http://a0.twimg.com/profile_images/2341785780/image_normal.jpg', 'Happy Birthday @daughternumber1 🎂 Love You 😘', '2012-08-24 02:32:05.166492', 'f', NULL, 0, NULL, 
'--- !map:HashWithIndifferentAccess 
result_type: recent

我已经继续测试了 response_json 的类（返回 Hash），即使在该错误结束时它显示 HashWithIndifferentAccess。

其他人有类似的问题并知道解决方案吗？

谢谢！

4

1 回答 1

1

我找到了一个有效的解决方案！不确定这是否是最好的例子，因为我是 Rails/Ruby 的新手——但它似乎至少暂时有效！

正如您在上面的示例中所看到的，我试图将整个 response.body 转换为 UTF-8。事实证明这是不成功的。

在查看正在检索的数据时，唯一可能包含非 UTF-8 实体的部分是推文状态文本。Twitter 不允许在其显示名称中使用非 az,-,_ 字符。由于我只存储显示名称、状态文本和推文 ID，因此留下了状态文本。查看从 Twitter 中提取的一些状态——一些用户在他们的推文中使用表情符号等。

我的解决方案是将单个状态文本转换为 UTF-8，然后在 Hash 中重新分配它。

def parse_response!
tweets_json = response_json['results'].reverse rescue []
tweets << tweets_json.collect do |tweet_json|

  # trying to fix encoding issue!
  data = CharDet.detect(tweet_json['text'])
  encoding = data['encoding']
  ic = Iconv.new('UTF-8//IGNORE', encoding)
  converted_response = ic.iconv(tweet_json['text'] + '  ')[0..-2]
  # after converting, put back into value
  tweet_json['text'] = converted_response

  # ... etc

谈谈学习过程！

感谢@CraigRinger 的帮助！

于 2012-08-26T03:58:43.680 回答