将unicode字符串转换为Ruby中的字符？

Question

我有以下字符串：

l\u0092issue

我的问题是如何将其转换为utf8字符？

我试过了

1.9.3p484 :024 > "l\u0092issue".encode('utf-8')
 => "l\u0092issue" 

Answer 1

你好像把你的编码混淆了一下。如果你还没有，你应该先阅读Joel Spolsky’s article The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)，它提供了对这类事物的一个很好的介绍。关于Ruby如何在http://graysoftinc.com/character-encodings/understanding-m17n-multilingualization处理字符编码，有一套很好的文章。您还可以查看String和Encoding的Ruby文档。

在这种特定情况下，字符串l\u0092issue表示第二个字符是具有unicode代码点0x92的字符。此代码点为PRIVATE USE TWO（请参阅chart），这基本上意味着此位置未被使用。

然而，看Windows CP-1252 encoding，位置0x92被字符’占用，所以如果这是缺少的字符，字符串将是l’issue，看起来更多即使我不说法语也可能。

我怀疑发生的事情是你的程序收到了CP-1252中编码的字符串l’issue，但假设它是用ISO-8859-1编码的（ISO-8859-1和CP-1252是相当的）紧密相关）并将其重新编码为UTF-8，留下你现在拥有的字符串。

真正的修复方法是要小心进入（和离开）程序的任何字符串的编码，以及如何管理它们。

要将字符串转换为l’issue，您可以encode将其转回ISO-8859-1，然后使用force_encoding告诉Ruby 真正的编码CP-1252，然后你可以重新编码为UTF-8：

2.1.0 :001 > s = "l\u0092issue"
 => "l\u0092issue" 
2.1.0 :002 > s = s.encode('iso-8859-1')
 => "l\x92issue" 
2.1.0 :003 > s.force_encoding('cp1252')
 => "l\x92issue" 
2.1.0 :004 > s.encode('utf-8')
 => "l’issue"

这只能说明发生了什么。真正的解决方案是确保您正确处理编码。

Answer 2

将 编码为UTF-8（除非您更改了原始字符串编码）。当你inspect字符串时，Ruby就会向你展示转义序列（这就是IRB在那里做的原因）。 \u0092是this character的转义序列。

如果您的终端字体支持，请尝试puts "l\u0092issue"查看呈现的字符。