添加反斜杠来修复 ruby​​ 字符串中的字符编码

Question

我确信这很容易，但我被所有这些反斜杠打结了。

我有一些数据是从网站上（礼貌地）抓取的。有时我会想到这样一句话：

u00a362 000? you must be joking

这当然应该是“2000 英镑？”你一定是在开玩笑吧”。在 irb 中进行了一个简短的测试，破译了它。

ruby-1.9.2-p180 :001 > string = "u00a3"
  => "u00a3" 
ruby-1.9.2-p180 :002 > string = "\u00a3"
  => "£" 

当然：加一个反斜杠就会被解码。我在 的帮助下创建了以下内容这个问题：

puts str.gsub('u00', '\\u00') 

导致输出\u00a3。这一切都很好，但我希望它是字符串本身中的 £。仅仅 puts 还不够。

这样做 gsub('u00a3', '£') 没有什么好处，因为毫无疑问我会丢失其他字符。

感谢您的帮助。

Answer 1

尝试使用 Iconv 库来转换传入的字符串。您也可以看看 stringex gem。它有“走另一条路”的方法，但它可能会提供您正在寻找的映射。也就是说，如果编码不好，就不可能得到正确的结果。

Answer 2

警告，下面的内容并不漂亮。

str = "u00a362 000? you must be joking"
split_unicode = str.gsub(/(u00[a-z0-9]{2})/, "split_here\\1split_here").split(/split_here/)
final = split_unicode.map do |elem|
  if elem =~ /^u00/
    [("0x" + elem.gsub(/u00/, '')).hex].pack("U*")
  else
    elem
  end
end
puts final.join

所以这里的想法是找到u00xx值并将它们转换为十六进制。从那里，我们可以使用 pack 输出正确的 unicode 字符的方法。

它也可以用可怕的单行来嘎吱嘎吱！

puts (str.gsub(/(u00[a-z0-9]{2})/, "split_here\\1split_here").split(/split_here/).map {|elem| elem =~ /^u00/ ? [("0x" + elem.gsub(/u00/, '')).hex].pack("U*") : elem}).join

可能有更好的解决方案（我希望！），但这个可行。