2

我正在使用（并坚持使用）以下版本的 Ruby：

ruby 1.8.7 (2012-06-29 patchlevel 370) [x86_64-linux]

我尝试了很多谷歌搜索，但我找不到我的问题的有效答案。我正在导入一个 CSV 文件，该文件通常来自用户的 Microsoft Excel 电子表格。我对 CSV 部分没有任何问题，但我不知道如何处理 MS“智能”引号。我的测试输入文件是 DOS 格式并包含以下行：

珍妮奥尼尔

O'Neill 的 O 和 N 之间有一个 MS 撇号，在我的文本编辑器中显示为“问号菱形”。当我尝试以下代码时，撇号会被删除：

# replace Microsoft Office 'smart' quotes

# gem to detect character encoding
require 'rchardet'
if name != nil
  cd = CharDet.detect(name)
  encoding = cd['encoding']
  name = Iconv.conv('UTF-8//TRANSLIT', encoding, name)
end

这会产生不希望的输出：

珍妮奥尼尔

有没有办法在 Ruby 1.8.7 中编写一个正则表达式来检测卷曲的 MS 字符并用直的字符替换它们？我试过在我的正则表达式中使用十六进制代码，但我不能让它们工作。我知道 Ruby 1.8.7 在处理 1.9 的字符编码方面受到更多限制，但我坚持使用它。目前无法在此项目中升级 Ruby。

任何帮助，将不胜感激。谢谢你。

在阅读了 TinMan 建议的帖子后，我尝试使用 gsub 替换生成的 '�' 子字符串：

if name != nil
  name = Iconv.conv("UTF-8", "cp1252//TRANSLIT", name)
  name.gsub(/\u00ef\u00bf\u00bd/u, "'")
end

唉，没有爱。它仍然产生相同的结果:(

4

1 回答 1

0

我在 PHP 中做到了这一点，并且效果很好。也许您可以尝试 Ruby 等价物（如果存在）？

$text = str_replace('�', '"', $text);

为了考虑 MySQL 的撇号和转义，我不得不将我的代码更新为此......

$bad_symbols = array('�t', '�s', '�ll', '�ve', '�d', '�re', '� ', ' �');
$replacements_for_bad_symbols = array("\'t", "\'s", "\'ll", "\'ve", "\'d", "\'re", '" ', ' "');
$text = str_replace($bad_symbols, $replacements_for_bad_symbols, $text);
于 2016-10-22T15:05:08.783 回答