Ruby / Mechanize 在发现重音 u 字母时中止

Question

我想使用 Ruby/Mechanize 读取这种形式的 php 脚本：

<form name="editevent" method="post" action="/index.php" enctype="multipart/form-data">
    <input type="text" name="veranstaltung"> 
    <select name='ortid'> 
    <option value='2'>Kaminwerk</option> 
    <option value='3'>Pitú</option> 
    <option value='4'>Apollo-Center</option> 
    </select> 
      <input type="text" name="neutermin" id="neutid" /> 
    <textarea name="beschreibung" cols="40" rows="7"></textarea><br /> 
      <input type="submit" name="button" value="Absenden"> 
</form> 

在 Ruby 中，我得到了：

form = page.forms.first 
 form.fields.each { |f| puts f.name }

但是 Ruby 只能找到名称为“veranstaltung”和“ortid”的表单元素

我发现问题在于“u”带有重音符号的字母“Pitú”。证明：当我打印html代码的inner_html时，表单的一部分看起来像这样：

<form name="editevent" method="post" action="/index.php" enctype="multipart/form-data">
        <input type="text" name="veranstaltung"> 
        <select name='ortid'> 
        <option value='2'>Kaminwerk</option> 
        <option value='3'>Pit</form>

表单的另一部分消失了！尽管有“ú”，我怎样才能完全使用该形式？ 如果有人能提供帮助，我会很高兴。

Answer 1

什么版本的红宝石？它闻起来像 1.8.7，它不支持 Unicode。如果可以，请升级到 1.9.2。

解析内容时指定语言的代码集也很重要。通常，该信息位于 DOCTYPE 语句中，但如果不是，则必须向语言提示所期望的内容。

因为这些字符嵌入在 PHP 中，所以它们可能是 UTF-8，也可能是 WIN-1252 或 ISO-8951 的变体，这意味着它们是单字节字符。 Mechanize 使用 Nokogiri 进行解析，它会想知道该语言是什么，以便为您提供值的最佳解码。 Nokogiri 会将错误放入 errors 属性中当它无法按照自己的喜好解析某些内容时，因此您可能需要检查那里。

所以，如果我是你，我会查看发送内容时的 DOCTYPE 是什么，并检查 HTTP 标头，看看是否有某些内容会定义代码集。

这是我在互联网上多次遇到的问题，因为 HTML 写得非常糟糕，而且经常不符合规范。