Question

我在做什么： 我正在Rails 4应用程序中使用gmail gem，以定期获取来自特定帐户的电子邮件附件。这是核心部分的摘录（为简单起见，此处仅考虑第一封电子邮件及其第一附件）：

require 'gmail'

Gmail.connect(@user_email,@user_password) do |gmail|
    if gmail.logged_in? 
        emails = gmail.inbox.emails(:from => @sender_email)
        email = emails[0]
        attachment = email.message.attachments[0]
        File.open("~/temp.csv", 'w') do |file| 
            file.write(
                StringIO.new(attachment.decoded.to_s[2..-2].force_encoding("ISO-8859-15").encode!('UTF-8')).read
            )
        end
    end
end

附件的编码可能会有所不同。我当前遇到的特殊问题是芬兰语。它包含芬兰语字符和上标3个字符。

这是我希望在运行上述代码时得到的。（这是通过gmail用户界面手动下载附件时得到的）：

问题出在哪里：

但是，我得到以下奇怪的结果。

来自cat temp.csv（对我来说不错）：

使用nano temp.csv（在这里我不知道自己在看什么）：

这是temp.csv在Sublime Text（直接通过winscp）中打开的样子。第一行和一小部分看起来还可以，但是中文/日语字符：

这是temp.csv在记事本中的外观（通过winscp下载后）。看起来还不错，只是在每个字符之间插入了一个空格，新行似乎丢失了：

我尝试过的事情：

我未成功尝试过：

.force_encoding(...)和所有不同的“ ISO-8859-x”字符集
将force_encoding("ISO-8859-15").encode!('UTF-8')放在.read之外（可以但不能解决问题）
无需先强制进行另一种编码即可将其编码为UTF-8，但这会导致Encoding::UndefinedConversionError: "\xC4" from ASCII-8BIT to UTF-8
在'wb'中用'w+b'和File.open()进行二进制写入（这似乎对结果没有影响）。
在stackoverflow和网络上搜索其他想法。

任何想法将不胜感激！

Answer 1

不漂亮，但现在对我有用。

重新编码后，我将字符串转换为char数组，然后删除我不想要的char，然后将其余的数组元素合并成一个字符串。

decoded_att = attachment.decoded
data = decoded_att.encode("UTF-8", "ISO-8859-1", invalid: :replace, undef: :replace).gsub("\r\n", "\n")

data_as_array = data.chars
data_as_array = data_as_array.delete_if {|i| i == "\u0000" || i == "ÿ" || i == "þ"}
data = data_as_array.join('').to_s

File.write("~/temp.csv", data.to_s)

这现在对我有用。但是，我不知道这些字符如何以附件结尾（文档开头的"ÿ"和"þ"以及其余所有字符之间的"\u0000"）。

Answer 2

似乎您需要执行var re = new RegExp('^ *\\d+(?:\\.\\d+)+ *'+ country);而不是attachment.body.decoded

在ruby / rails中使用gmail gem进行附件的字符编码问题

2 个答案: