Question

给定一个字符串A\xC3B，可以通过执行此操作将其转换为utf-8字符串（ref link）：

"A\xC3B".force_encoding('iso-8859-1').encode('utf-8') #=> "AÃB"

但是，如果字符串包含ASCII代码，即\xC3，我只想执行操作。我该如何检查？

尝试"A\xC3B".include?("\x")，但它无法正常工作。

Answer 1

\x只是一个十六进制转义序列。它与编码本身无关。 US-ASCII从"\x00"变为"\x7F"（例如"\x41"与"A"相同，"\x30"为"0"）。其余的（"\x80"到"\xFF"）不是US-ASCII字符，因为它是一个7位字符集。

如果要检查字符串是否仅包含US-ASCII字符，请致电String#ascii_only?：

p "A\xC3B".ascii_only? # => false
p "\x41BC".ascii_only? # => true

另一个基于您的代码的示例：

str = "A\xC3B"
unless str.ascii_only?
  str.force_encoding(Encoding::ISO_8859_1).encode!(Encoding::UTF_8)
end
p str.encoding # => #<Encoding:UTF-8>

Answer 2

我认为你想要做的是弄清楚你的字符串是否被正确编码。处理非Ascii字符串时ascii_only?解决方案没什么帮助。

我会使用String#valid_encoding?验证字符串是否已正确编码，即使它包含非ASCII字符。

例如，如果其他人以正确的方式编码"Françoise Paré"，当我解码它时，我会得到正确的字符串而不是"Fran\xE7oise Par\xE9"（如果有人将其编码为ISO-8859-1）。

[62] pry(main)> "Françoise Paré".encode("utf-8").valid_encoding?
=> true

[63] pry(main)> "Françoise Paré".encode("iso-8859-1")
=> "Fran\xE7oise Par\xE9"

# Note the encoding is still valid, it's just the way IRB displays
# ISO-8859-1

[64] pry(main)> "Françoise Paré".encode("iso-8859-1").valid_encoding?
=> true

# Now let's interpret our 8859 string as UTF-8. In the following
# line, the string bytes don't change, `force_encoding` just makes
# Ruby interpret those same bytes as UTF-8.

[65] pry(main)> "Françoise Paré".encode("iso-8859-1").force_encoding("utf-8")
=> "Fran\xE7oise Par\xE9"

# Is a lone \xE7 valid UTF-8? Nope.

[66] pry(main)> "Françoise Paré".encode("iso-8859-1").force_encoding("utf-8").valid_encoding?
=> false

如何检查字符串是否包含ASCII代码

2 个答案: