如何从 ruby 字符串中删除非 UTF8 字符?我有一个字符串,其中包含例如“xC2”。我想从字符串中删除该字符,使其成为有效的 UTF8。
这个:
text.gsub!(/\xC2/, '')
返回错误:
incompatible encoding regexp match (ASCII-8BIT regexp with UTF-8 string)
我也在查看 text.unpack('U*') 和 string.pack ,但没有得到任何结果。
You can use encode for that.
text.encode('UTF-8', :invalid => :replace, :undef => :replace)
For more info look into Ruby-Docs
你可以这样做
# encoding: utf-8
class String
def validate_encoding
chars.select(&:valid_encoding?).join
end
end
puts "testing\xC2 a non UTF-8 string".validate_encoding
#=>testing a non UTF-8 string
您可以使用/n
, 如
text.gsub!(/\xC2/n, '')
强制正则表达式对字节进行操作。
你确定这是你想要的吗?[U+80, U+BF] 范围内的任何 Unicode 字符都将具有\xC2
UTF-8 编码形式。
试试Iconv
1.9.3p194 :001 > require 'iconv'
# => true
1.9.3p194 :002 > string = "testing\xC2 a non UTF-8 string"
# => "testing\xC2 a non UTF-8 string"
1.9.3p194 :003 > ic = Iconv.new('UTF-8//IGNORE', 'UTF-8')
# => #<Iconv:0x000000026c9290>
1.9.3p194 :004 > ic.iconv string
# => "testing a non UTF-8 string"
你的文本有 ASCII-8BIT 编码,而不是你应该使用这个:
String.delete!("^\u{0000}-\u{007F}");
它将达到同样的目的。
我发现这个问题的最佳解决方案是对同一问题的回答:https ://stackoverflow.com/a/8711118/363293 。
简而言之:"€foo\xA0".chars.select(&:valid_encoding?).join
data = '' if not (data.force_encoding("UTF-8").valid_encoding?)