如何从Ruby中的字符串中删除所有非ASCII字符

Question

我似乎是一个非常简单且非常需要的方法。我需要从字符串中删除所有非ASCII字符。例如©等。请参阅以下示例。

#coding: utf-8
s = " Hello this a mixed string © that I made."
puts s.encoding
puts s.encode

输出：

UTF-8
Hello this a mixed str

ing┬⌐我做的。

当我将其提供给Watir时，会产生以下错误：不兼容的字符编码：UTF-8和ASCII-8BIT

所以我的问题是我想在使用之前删除所有非ASCII字符。我不知道源字符串“s”使用哪种编码。

我一直在寻找和尝试很长一段时间。

如果我尝试使用

  puts s.encode('ASCII-8BIT')

它给出错误：

 : "\xC2\xA9" from UTF-8 to ASCII-8BIT (Encoding::UndefinedConversionError)

Answer 1

您可以直接将您提出的问题翻译成Regexp。你写道：

  

我想摆脱所有非ASCII字符

我们可以稍微改写一下：

  

我想替换所有没有ASCII属性而没有

的字符

这是一个可以直接表达的声明Regexp：

s.gsub!(/\P{ASCII}/, '')

作为替代方案，您也可以使用String#delete!：

s.delete!("^\u{0000}-\u{007F}")

Answer 2

使用正则表达式删除字符。这个例子在C＃中，但正则表达式应该是相同的： How can you strip non-ASCII characters from a string? (in C#)

使用gsub将其翻译成ruby并不困难。

Answer 3

UTF-8是一种可变长度编码。当一个字符占用一个字节时，其值与7位ASCII一致。那么为什么不在MSB中查找带有“1”的字节，然后删除它们和它们的预告片？以“110”开头的字节后面将跟着一个额外的字节。以“1110”开头的字节后面跟着两个。以“11110”开头的字节后面跟着三个，UTF-8支持最大值。

这一切都在我的头顶。我错了。