0

我知道有很多关于这个话题的讨论，其中之一是：HTML 编码问题 - “”字符出现而不是“ ”

我确实遵循了它，但我想在不向我的 html 添加任何“元字符集”标签的情况下解决这个问题，事实上，我正在从标题中删除所有标签（Nokogiri 对此有一些问题）。是否有任何可能的正则表达式可用于从输出中消除这些 Â？我将输出扔到“csv”，我可以在 csv 文件中看到这些 Â。

谢谢！

4

1 回答 1

3

如果您打算解决 UTF-8 编码文档被解释为 ISO-8859-1 的问题，那么您只需要编写一个正则表达式，将 Unicode 字符的 UTF-8 编码形式（总共约 100,000 个）映射到正确的字符。显然，这从一开始就是一个坏主意。

于 2013-09-25T15:39:41.263 回答