ruby-on-rails - ruby 1.8 和 1.9 之间的字符串长度差异

Question

我有一个在 ruby​​ 1.8.7 上运行的网站。我对收到的帖子进行了验证，以确保我们最多允许 12000 个字符。在帖子接受验证之前，空格被计为字符，并且制表符和回车符被删除。

这是经过验证的帖子http://pastie.org/5047582

在 ruby​​ 1.9 中，字符串长度显示为 11909，这是正确的。但是当我检查 ruby​​ 1.8.7 的长度时，结果是 12044。

我使用 codepad.org 运行这个 ruby​​ 代码，它给了我http://codepad.org/OxgSuKGZ（输出长度为 12044，这是错误的）但是当我在 codeacademy.org 的控制台中运行相同的代码时，字符串长度是 11909。

谁能解释我为什么会这样？？？

谢谢

Answer 1

这是一个 Unicode 问题。您使用的字符串包含 ASCII 范围之外的字符，并且经常使用的 UTF-8 编码将这些字符编码为 2 个（或更多）字节。

Ruby 1.8 没有正确处理 Unicode，length只是简单地给出了字符串中的字节数，这导致了一些有趣的东西，比如：

"ą".length
=> 2

Ruby 1.9 具有更好的 Unicode 处理能力。这包括length返回字符串中的实际字符数，只要 Ruby 知道编码：

"ä".length
=> 1

Ruby 1.8 中一种可能的解决方法是使用正则表达式，它可以识别 Unicode：

"ą".scan(/./mu).size
=> 1