Ruby on rails 在ruby 1.8.7中处理不同类型的utf连字符
我们在db中填充了不同类型的连字符/破折号(在某些文本中)。在将它们与一些用户输入文本进行比较之前,我必须将任何类型的破折号/连字符规范化为简单的连字符/减号(ascii 45) 我们可能需要转换的破折号有:Ruby on rails 在ruby 1.8.7中处理不同类型的utf连字符,ruby-on-rails,ruby,unicode,hyphen,text-normalization,Ruby On Rails,Ruby,Unicode,Hyphen,Text Normalization,我们在db中填充了不同类型的连字符/破折号(在某些文本中)。在将它们与一些用户输入文本进行比较之前,我必须将任何类型的破折号/连字符规范化为简单的连字符/减号(ascii 45) 我们可能需要转换的破折号有: Minus(−) U+2212 − or − or − Hyphen-minus(-) U+002D - Hyphen(-) U+2010 Soft Hyphen U+00AD ­ Non-
Minus(−) U+2212 − or − or −
Hyphen-minus(-) U+002D -
Hyphen(-) U+2010
Soft Hyphen U+00AD ­
Non-breaking hyphen U+2011 ‑
Figure dash(‒) U+2012 (8210) ‒ or ‒
En dash(–) U+2013 (8211) –, – or –
Em dash(—) U+2014 (8212) —, — or —
Horizontal bar(―) U+2015 (8213) ― or ―
这些都必须使用gsub转换为连字符减号(-)。
我使用了CharDetgem来检测提取字符串的字符编码类型。它正在显示windows-1252。我已尝试将编码转换为ascii。但是它抛出了一个异常Iconv::IllegalSequence
ruby-v=>ruby 1.8.7(2009-06-12补丁级别174)[i686-darwin9.8.0]rails-v=>rails 2.3.5
mysql编码=>'latin1' 你知道如何做到这一点吗?警告:我对Ruby一无所知,但你遇到的问题与你所使用的编程语言无关 您不需要转换
连字符减号(-)U+002D-代码>到简单连字符/减号(ascii 45)
;它们是一样的
您认为数据库编码是latin1
。“我的数据是用ISO-8859-1又名拉丁语编码的”这句话与“支票在邮寄中”和“当然我早上还会爱你”一起出现。它告诉你的是,它是一个单字节每字符编码
假定“获取的字符串”意味着“从数据库提取的字节字符串”chardet
在报告windows-1252
akacp1252
时很可能是非常正确的,但是这可能是偶然的,因为chardet
有时似乎在用尽其他可能性时会将其作为默认报告
(a) 无法将这些Unicode字符解码为latin1
或cp1252
或ascii
:
Minus(−) U+2212 − or − or −
Hyphen(-) U+2010
Non-breaking hyphen U+2011 ‑
Figure dash(‒) U+2012 (8210) ‒ or ‒
Horizontal bar(―) U+2015 (8213) ― or ―
En dash(–) U+2013 (8211) –, – or –
Em dash(—) U+2014 (8212) —, — or —
Soft Hyphen U+00AD ­
是什么让您觉得它们可能出现在输入或数据库中
(b) 这些Unicode字符可以解码为cp1252
,但不能解码为latin1
或ascii
:
Minus(−) U+2212 − or − or −
Hyphen(-) U+2010
Non-breaking hyphen U+2011 ‑
Figure dash(‒) U+2012 (8210) ‒ or ‒
Horizontal bar(―) U+2015 (8213) ― or ―
En dash(–) U+2013 (8211) –, – or –
Em dash(—) U+2014 (8212) —, — or —
Soft Hyphen U+00AD ­
这些(很可能是EN-DASH)是您真正需要转换为ascii连字符/破折号的内容。chardet
报告为windows-1252
的字符串中有什么内容
(c) 可以将其解码为cp1252
和latin1
,但不能解码为ascii
:
Minus(−) U+2212 − or − or −
Hyphen(-) U+2010
Non-breaking hyphen U+2011 ‑
Figure dash(‒) U+2012 (8210) ‒ or ‒
Horizontal bar(―) U+2015 (8213) ― or ―
En dash(–) U+2013 (8211) –, – or –
Em dash(—) U+2014 (8212) —, — or —
Soft Hyphen U+00AD ­
如果字符串包含非ASCII字符,任何尝试(使用iconv
或任何其他方法)将其转换为ASCII
的操作都将失败,除非使用某种“忽略”或“替换为?
”选项。你为什么要这么做