Question

我收到了一些我无法控制的API文字。当我收到表情符号时，他们没有正确编码Ruby。这是我收到的一个例子：

编码：＆＃34; \ u1F44C＆＃34;
解码：＆＃34;ὄC＆＃34;

除非你使用大括号，否则Ruby不会处理超过4个十六进制字符的unicode。所以＆＃34; \ u {1F44C}＆＃34;将正确解码为。

如何将API的输出转换为Ruby可以正确解码的格式？

Answer 1

您在这里处理的是一个破坏的API。这不是Ruby问题，它是JSON编码器问题。每the JSON spec：

如果角色在基本多语言平面（U + 0000到U + FFFF）中，那么它可以表示为六个字符的序列：反向固相，后跟小写字母u，然后由四个十六进制数字编码字符的代码点。尽管A，但十六进制字母F可以是大写或小写。因此，例如，仅包含单个反向固相字符的字符串可以表示为＆＃34; \u005C＆＃34;。

...

要转义不在Basic Multilingual Plane中的扩展字符，该字符将表示为12个字符的序列，编码UTF-16代理项对。因此，例如，仅包含G谱号字符（U + 1D11E）的字符串可以表示为＆＃34; \uD834\uDD1E＆＃34;。

因此的正确编码为\uD83D\uDC4C。任何兼容的JSON解析器都会产生您所看到的相同输出。您应该向API供应商报告错误 - 您几乎肯定不是他们遇到此问题的唯一客户。

如果您无法让API供应商修复其API，那么您实现自己的JSON解析器（或放弃供应商）的唯一办法是尝试使用正则表达式修复JSON响应。这样的东西有效，但容易出现误报，这意味着一些有效的JSON会被破坏：

require "json"

def mangle_json(str)
  str.gsub(/\\u([0-9a-f]{5,6})/i) do
    begin
      $1.to_i(16).chr(Encoding::UTF_8)
    rescue RangeError
      $&
    end
  end
end

bad_json = '{"text":"OK\u1F44C let me see."}'

puts JSON.parse(bad_json)["text"]
# => OKὄC let me see.

puts JSON.parse(mangle_json(bad_json))["text"]
# => OK let me see.

在repl.it上查看：https://repl.it/GnFp/1

在Ruby中解析非花括号的unicode表情符号

1 个答案: