Question

我在用libxml读取的xml节点中有以下属性。如果我打印出reader.node，它通常会带有重音字符。

reader = XML::Reader.new(File.open("somefile.xml", "r"))
reader.read
reader.read
...
p reader.node

=> ... Full_Name="Univisión Network - East Feed" ...

但是，如果我这样做，它就会逃脱。

p reader.node["Full_Name"]
=> "Univisi\xC3\xB3n Network - East Feed"

当我尝试将此值转换为json laater时，我收到以下错误。

Encoding::UndefinedConversionError: "\xC3" from ASCII-8BIT to UTF-8

这是文档中的xml行

<?xml version="1.0" encoding="ISO-8859-1"?>

我无法控制xml文档本身。我怎样才能将这个unicode角色带回json，或者变成json理解的格式？

编辑：哦，我忘了提一下 - 这就是它在实际的XML文档中的样子

Full_Name="Univisi&#243;n Network - East Feed"

Answer 1

所以，我仍然完全迷失了为什么我无法找到“正确”的方法来做到这一点，但是this thread帮助在String类上找到了force_encoding方法。由于我的代码无论如何都涉及将属性复制到哈希中，因此在复制值时调用force_encoding并不是什么大问题。

我双倍确定我已将文件保存为UTF-8，并将正确的xml声明放在顶部。它仍然失败了。

无论如何，直到我能弄清楚如何解决实际问题，这段代码修复了它。

  object = { type: node.name }      
  node.attributes.each do |attribute|
    name = attribute.name.gsub /_/,""
    value = attribute.value.force_encoding('UTF-8')

    object[name] = value
  end

请注意，如果我不需要将节点复制到哈希中，这是不合适的，因为它肯定不值得一切麻烦。如果我那么

object.to_json

它没有问题。谢谢你的帮助斧头！你知道如何在xml上强制编码吗？

Answer 2

如果这样做，它就会逃脱。

不完全。您所看到的是UTF-8输出被解释为一串字节。

问题是您的XML文档表示它是ISO-8859-1，而它确实是UTF-8。修复编码问题，它应该可以工作。

Answer 3

修改
所以我一直在尝试解决这个问题已经有一段时间了。有趣的事情：你的代码在ruby 1.8中没有错误（至少在这里）。所以我认为这个错误与ruby 1.9的新编码处理有关。不知何故，它无法弄清楚解析和读取的XML是（libxml的内部）utf-8格式（文档编码在这里无关紧要：在1.8中，它适用于iso-8859-1和utf-8，即使是错误的xml编码声明）。相反，它将其视为ASCII-8BIT或BINARY。换句话说，它不知道编码。这就是to_json未能尝试将其转换为utf-8的原因。

解决问题的最简单方法可能是降级为ruby 1.8。

或者，您force_encoding('UTF-8')的方法似乎是合理的 编辑结束

您可以尝试将正确的编码传递给读者：

reader = XML::Reader.new(File.open("somefile.xml", "r"), XML::Encoding::ISO_8859_1)

libxml将重音字符转换为反斜杠x转义符。杰森不高兴

3 个答案: