Question

我正在尝试填充电影对象，但在解析u.item文件时出现此错误：

`split'：UTF-8中无效的字节序列（ArgumentError）

File.open("Data/u.item", "r") do |infile|
            while line = infile.gets
                line = line.split("|")
            end
end

只有在尝试使用精美的国际标点符号拆分行时才会出现错误。

这是一个示例

543 |Misérables，Les（1995）| 01-Jan-1995 || http://us.imdb.com/M/title-exact?Mis％E9rables％2C％20Les％20％281995％29 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0

有解决方法吗？

Answer 1

我必须强制每行的编码为iso-8859-1 （这是欧洲字符集）...... http://en.wikipedia.org/wiki/ISO/IEC_8859-1

a=[]
IO.foreach("u.item") {|x| a << x}
m=[]
a.each_with_index {|line,i| x=line.force_encoding("iso-8859-1").split("|"); m[i]=x}

Answer 2

Ruby对字符编码问题有点敏感。你可以做很多事情来解决你的问题。例如：

在源文件的顶部放置编码注释。
```
# encoding: utf-8
```
在拆分之前对您的行进行明确编码。
```
line = line.encode('UTF-8').split("|")
```
替换无效字符，而不是引发Encoding :: InvalidByteSequenceError异常。
```
line.encode('UTF-8', :invalid => :replace).split("|")
```

提供这些建议，如果这些建议都不适合您，请更新您的问题。希望它有所帮助！

Ruby`split'：UTF-8中的无效字节序列（ArgumentError）

2 个答案: