Question

ARGF.set_encoding说：

如果指定了单个参数，则从ARGF读取的字符串将使用指定的编码进行标记。

如果给出两个用冒号分隔的编码名称，例如“ascii：utf-8”，读取字符串从第一个编码（外部编码）转换为第二个编码（内部编码），然后用第二个编码标记。

所以我尝试了下面的内容：

p RUBY_VERSION
p ARGF.external_encoding
ARGF.set_encoding('ascii')
p ARGF.readlines($/)

输出：

D:\Rubyscript\My ruby learning days>ruby true.rb a.txt
"2.0.0"
#<Encoding:IBM437>
["Hi! How are you?\n", "I am doing good,thanks."]

p RUBY_VERSION
p ARGF.external_encoding
ARGF.set_encoding(ARGF.external_encoding,'ascii')
p ARGF.readlines($/)

输出：

D:\Rubyscript\My ruby learning days>ruby true.rb a.txt
"2.0.0"
#<Encoding:IBM437>
["Hi! How are you?\n", "I am doing good,thanks."]

未找到编码更改。所以请告诉我正确的方法。

Answer 1

编码IBM437和ASCII（和UTF-8）具有相同的ASCII字符字节序列。所以你不会看到与String#inspect的区别。但是，您可以检查输入字符串的String#encoding值。

p RUBY_VERSION
p ARGF.external_encoding
ARGF.set_encoding(ARGF.external_encoding,'ascii')
p ARGF.readlines($/).map{|s| s.encoding}

在Ruby（ 1.9及更高版本）中，String是一个用某些编码标记的字节序列。您可以从String#encoding获取编码。

所以中文“中”可以用不同的方式表示：

e4 b8 ad          # tagged with encoding UTF-8
d6 d0             # tagged with encoding GBK
2d 4e             # tagged with encoding UTF-16le

我总是用UTF-8编写脚本，也就是说，我脚本的内部编码是UTF-8。有时我想处理用GBK编码的文本文件（例如名为“a.txt”并具有内容“中”）。然后我可以为IO对象设置外部编码和内部编码，Ruby将为我做转换。

ARGF.set_encoding('GBK', 'UTF-8')
str = ARGF.readline
puts str.encoding

# run             $ script.rb a.txt

Ruby从“a.txt”读取"\xd6\xd0"，因为我已将外部编码指定为GBK，所以它使用编码GBK标记数据。并且我已将内部编码指定为UTF-8，因此Ruby执行从GBK字节序列到UTF-8的转换，这导致"\xe4\xb8\xad"标记为UTF-8。此字符串与我脚本中的其他字符串具有相同的编码，因此我可以轻松使用它。

这很有用，因为当两个String操作数具有不同的，不兼容的编码时，许多String方法都会失败。例如：

# encoding: utf-8
a = "中"                  # tagged with UTF-8
b = "中".encode('gbk')    # tagged with GBK
puts a + b
#=> Encoding::CompatibilityError: incompatible character encodings: UTF-8 and GBK

与ARGF混淆#set_encoding

1 个答案: