Ruby 1.9 正则表达式编码

Question

我正在解析此提要 http://www.sixapart.com/labs/update/developers/< /a> 与 nokogiri，然后对某些标签的内容运行一些正则表达式。内容大部分是 UTF-8，但偶尔会损坏。但是，对于我的情况，我并不真正关心，只需要传递内容的正确部分，因此我很乐意将数据视为二进制/ASCII-8BIT。问题是，无论我做什么，脚本中的正则表达式都会被视为 UTF-8 或 ASCII。无论我将编码注释设置为什么，或者我如何创建正则表达式。

有解决办法吗？我可以强制正则表达式为二进制吗？我可以轻松地在没有正则表达式的情况下执行 gsub 吗？ （我只是将 &amp; 替换为 &）

Answer 1

您需要对初始字符串进行编码并使用 FIXEDENCODING 选项。

1.9.3-head :018 > r = Regexp.new("chars".force_encoding("binary"), Regexp::FIXEDENCODING)
=> /chars/
1.9.3-head :019 > r.encoding
=> #<Encoding:ASCII-8BIT>

Answer 2

字符串具有编码属性。在应用正则表达式之前尝试使用方法String#force_encoding。

UPD：要使您的正则表达式为ascii，请在此处查看已接受的答案： Ruby 1.9：输入编码未知的正则表达式

def get_regex(pattern, encoding='ASCII', options=0)
  Regexp.new(pattern.encode(encoding),options)
end