将 unicode 字符串转换为 Ruby 中的字符？答案

【问题标题】：Convert a unicode string to characters in Ruby?将 unicode 字符串转换为 Ruby 中的字符？
【发布时间】：2014-01-16 20:07:13
【问题描述】：

我有以下字符串：

l\u0092issue

我的问题是如何将其转换为 utf8 字符？

我试过了

1.9.3p484 :024 > "l\u0092issue".encode('utf-8')
 => "l\u0092issue"

【问题讨论】：

标签： ruby string

【解决方案1】：

您的编码似乎有些混乱。如果你还没有，你应该先阅读Joel Spolsky’s article The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)，它很好地介绍了这种类型的东西。在http://graysoftinc.com/character-encodings/understanding-m17n-multilingualization 上有一组很好的关于 Ruby 如何处理字符编码的文章。您还可以查看 String 和 Encoding 的 Ruby 文档。

在这种特定情况下，字符串l\u0092issue 表示第二个字符是unicode codepoint 0x92 的字符。这个代码点是PRIVATE USE TWO（见chart），这基本上意味着这个位置没有被使用。

但是，查看Windows CP-1252 encoding，位置 0x92 被字符 ’ 占据，所以如果这是缺少的字符，则字符串将是 l’issue，即使我没有，看起来更有可能'不会说法语。

我怀疑发生的事情是您的程序收到了以 CP-1252 编码的字符串 l’issue，但假设它是以 ISO-8859-1 编码的（ISO-8859-1 和 CP-1252 密切相关）并且将其重新编码为 UTF-8，留下您现在拥有的字符串。

真正的解决方法是小心进入（和离开）程序的任何字符串的编码，以及如何管理它们。

要将您的字符串转换为l’issue，您可以将encode 转换回ISO-8859-1，然后使用force_encoding 告诉Ruby CP-1252 的真实编码，然后您可以重新编码为UTF-8：

2.1.0 :001 > s = "l\u0092issue"
 => "l\u0092issue" 
2.1.0 :002 > s = s.encode('iso-8859-1')
 => "l\x92issue" 
2.1.0 :003 > s.force_encoding('cp1252')
 => "l\x92issue" 
2.1.0 :004 > s.encode('utf-8')
 => "l’issue"

这只是对正在发生的事情的真正演示。真正的解决方案是确保正确处理编码。

【讨论】：

这真的帮了我很大的忙。我遇到了 \u0092 的确切问题..谢谢..你太棒了！
要在 IRB 中打印，您必须编码、强制编码，然后重新编码。从答案中我不清楚这一点。 "l\u0092issue".encode('iso-8859-1').force_encoding('cp1252').encode('utf-8')

【解决方案2】：

编码为 UTF-8（除非您更改了原始字符串编码）。当您inspect 字符串时，Ruby 只是向您显示转义序列（这就是 IRB 这样做的原因）。 \u0092 是 this character 的转义序列。

如果您的终端字体支持，请尝试puts "l\u0092issue" 查看呈现的字符。

【讨论】：

这对我不起作用。 "l\u0092issue".encode('iso-8859-1').force_encoding('cp1252').encode('utf-8') 显示正确的字符，但 puts "l\u0092issue" 不显示。