将 gsub() 模式从 ruby​​ 1.8 转换为 2.0

Question

我有一个 ruby​​ 程序，我正在尝试从 ruby​​ 1.8 升级到 ruby​​ 2.0.0-p247。

这在 1.8.7 中运行良好：

 begin
   ARGF.each do |line|
     # a collection of pecluliarlities, appended as they appear in data
     line.gsub!("\x92", "'")
     line.gsub!("\x96", "-")
     puts line
   end
 rescue => e
   $stderr << "exception on line #{$.}:\n"
   $stderr << "#{e.message}:\n"
   $stderr << @line
 end

但是在 ruby​​ 2.0 下，当遇到编码成数据文件的 96 或 92 时，这会导致异常：

 invalid byte sequence in UTF-8

我已经尝试过各种方法：双反斜杠、使用正则表达式对象而不是字符串、force_encoding() 等，我被难住了。

谁能帮我补上缺失的拼图？

谢谢。

=============== 补充：2013-09-25 ============

将 \x92 更改为 \u2019 并不能解决问题。

程序在输入文件中实际达到 92 或 96 之前不会出错，所以当有数十万行输入数据与模式匹配而不会发生意外。

Answer 1

抛出异常的不是正则表达式，而是 Ruby 编译器。 \x92 和 \x96 是您在 windows-1252 编码中表示 ’ 和 – 的方式，但 Ruby 期望字符串是 UTF-8 编码的。您需要改掉在字符串文字中放入原始字节值（如 \x92）的习惯。非 ASCII 字符应由 Unicode 转义序列指定（在本例中为 \u2019 和 \u2013）。

现在是 Unicode 世界，停止以字节为单位考虑文本，而是以字符为单位考虑。