Question

我尝试使用搜索，谷歌但没有运气。

操作系统：Windows XP Ruby版本1.9.3po

错误：

`gsub'：不兼容的字符编码：UTF-8和IBM437

代码：

require 'rubygems'
require 'hpricot'
require 'net/http'

source = Net::HTTP.get('host', '/' + ARGV[0] + '.asp')


doc = Hpricot(source) 

doc.search("p.MsoNormal/a").each do |a|
  puts a.to_plain_text
end

程序输出少量字符串，但当文本为“NOŻYCE”时，我收到错误。有人可以帮忙吗？

Answer 1

源变量的内部编码是UTF-8，但这不是你想要的。

正如tadman所写，你必须先告诉Ruby，字符串中的实际字符是IBM437编码。然后，您可以将该字符串转换为您喜欢的编码，但前提是可以进行此类转换。

source.force_encoding('IBM437').encode('UTF-8')

在您的情况下，您无法将字符串转换为ISO-8859-2，因为并非所有IBM437字符都可以转换为该字符集。坚持使用UTF-8可能是您的最佳选择。

无论如何，您确定该文件实际上是在IBM437中传输的吗？也许它存储在HTTP服务器中，但它是通过另一种编码通过线路发送的。或者甚至可能不完全在IBM437中，它可能是CP852，也称为MS-DOC Latin 2（与ISO Latin 2不同）。

Answer 2

您可以尝试将HTML转换为UTF-8，因为它看起来是原始的复古DOS格式：

source.encode!('UTF-8')

应该按照Hpricot解析器的预期将它从8位ASCII转换为UTF-8。

`gsub'：不兼容的字符编码：UTF-8和IBM437

2 个答案: