ruby 中的字符编码答案

【问题标题】：Character encoding in rubyruby 中的字符编码
【发布时间】：2012-09-17 22:32:56
【问题描述】：

我正在使用 Nokogiri 解析来自一个荷兰站点的一些数据，并将数据保存到 csv 中。但数据显示不正确。例如，在表单 thre 上是 Einddatum1 空白空间，但是当我在保存之前将其打印到控制台时显示为“\u00A0”。其他字符串也无法正确显示，例如“Univ\u00E9 Zorg Geregeld Polis”。

{:Bsn=>"112511111",
 :Verzekerde=>"VerzekerdeAHM Andes-Faasse",
 :Pakketnaam1=>"Univ\u00E9 Zorg Geregeld Polis",
 :Verzekerdennummer1=>"1234987654",
 :Begindatum1=>"01 jan 2012",
 :Einddatum1=>"\u00A0",
 }

也许这个 html 页面的标题可能是相关的：

<!doctype html>
<!-- paulirish.com/2008/conditional-stylesheets-vs-css-hacks-answer-neither/ -->
<!--[if lt IE 7 ]> <html class="no-js ie6" lang="en"> <![endif]-->
<!--[if IE 7 ]>    <html class="no-js ie7" lang="en"> <![endif]-->
<!--[if IE 8 ]>    <html class="no-js ie8" lang="en"> <![endif]-->
<!--[if (gte IE 9)|!(IE)]><!--> <html class="no-js" lang="en"> <!--<![endif]-->
<head id="Head1"><meta charset="utf-8" />

    <!-- Always force latest IE rendering engine (even in intranet)
         Remove this if you use the .htaccess -->
    <meta http-equiv="X-UA-Compatible" content="IE=edge" /><title>
    Verzekeringsrecht controleren
</title><meta http-equiv="cache-control" content="no-cache" /><meta http-equiv="content-language" content="nl-NL" />

它看起来像是 utf-8，但这些字符有问题。如何正确编码？

【问题讨论】：

您必须将外部编码设置为 UTF-8。我不知道如何用 Nokogiri 做到这一点，但我相信你可以。
我在创建 Nokogiri 时设置了编码，但没有任何变化。也许不是 UTF-8？
对我来说这看起来就像它应该看起来的样子。 \u00A0 顺便说一句是在标记中。您可以使用 gsub 将它们从那里取出：str.gsub(/\u00A0/,'')
当然可以，但是像\u00E9 这样的其他字符很少。我认为它可以通过某种方法进行转换。
\u00E9 是合法的 unicode 字符。你不想改变它。

标签： ruby character-encoding nokogiri

【解决方案1】：

然后该行将显示为:Pakketnaam1=>"Univé Zorg Geregeld Polis",

这是应该存在的，而您的控制台编码只是没有定义，所以 Ruby 不知道如何在打印 Unicode 字符时显示它们，还是应该有更多的文本？

【讨论】：

这正是应该有的。控制台没有问题，但是保存到 csv 后没有以正确的方式保存。
@ИванБишевац CSV 可能被正确写入。确保使用 UTF-8 编码打开它。