Ruby 编码时保留未定义的字符

这里我从db

ãƒ\u008F

外部获得了一个字符串，我想将它转换回unicode字符。我知道数据库使用的是

windows-1252

编码，因此实际字符应该是

\xe3\x83\x8f

，即

ハ采用utf-8编码

以下是我迄今为止尝试过的东西

"ãƒ\u008F".encode('windows-1252')
# => Encoding::UndefinedConversionError: U+008F to WINDOWS-1252 in conversion from UTF-8 to WINDOWS-1252

"ãƒ\u008F".encode('windows-1252', undef: :replace)
# => "\xE3\x83?"

这是合理的，因为
0x8f
在
windows-1252
的代码页中没有定义

----------Windows-1252-----------
  0 1 2 3 4 5 6 7 8 9 a b c d e f
2   ! " # $ % & ' ( ) * + , - . /
3 0 1 2 3 4 5 6 7 8 9 : ; < = > ?
4 @ A B C D E F G H I J K L M N O
5 P Q R S T U V W X Y Z [ \ ] ^ _
6 ` a b c d e f g h i j k l m n o
7 p q r s t u v w x y z { | } ~ 
8 € � ‚ ƒ „ … † ‡ ˆ ‰ Š ‹ Œ � Ž � <---right here!
9 � ‘ ’ “ ” • – — ˜ ™ š › œ � ž Ÿ
a   ¡ ¢ £ ¤ ¥ ¦ § ¨ © ª « ¬ ­ ® ¯
b ° ± ² ³ ´ µ ¶ · ¸ ¹ º » ¼ ½ ¾ ¿
c À Á Â Ã Ä Å Æ Ç È É Ê Ë Ì Í Î Ï
d Ð Ñ Ò Ó Ô Õ Ö × Ø Ù Ú Û Ü Ý Þ ß
e à á â ã ä å æ ç è é ê ë ì í î ï
f ð ñ ò ó ô õ ö ÷ ø ù ú û ü ý þ ÿ

我想我对这里发生的事情有一个模糊的概念，但我很难做出正确的解释。然而，这里有一个解决方案至少适用于您的一个示例：

str = "ãƒ\u008F"
str2 = str.chars.map {|c| c.encode('windows-1252').ord rescue c.ord }
         .pack('C*').force_encoding('utf-8')
puts str2
# => ハ

当然，这对于大型文本来说效率很低，但希望它能有所帮助。如果我稍后有足够的资金，我会回来尝试添加更好的解释。
你指的是一个？类型字符，通常表示无效。有，所以把它编码成那样是个错误。为什么不使用
force_编码
？如果字符串已经具有UTF-8表示形式的正确字节，那么解决方案是（如@tadman所说）执行
str.force_编码（'UTF-8'）
。这就是所有必要的。如果实际字节已经正确，就不应该使用
encode
。@Jordan，问题是字符串的表示形式是
Þƒ\u008F
，
“Þƒ\u008F”。强制编码（'utf-8'）
仍然是
Þƒ\u008F
实际字节值是多少，十进制还是十六进制，问题是，字符串的表示形式是ãƒ\u008F——您这样说就像字符串有一个表示形式一样。我说字符串的表示形式是
ハ。谁是对的？您的数据库正在使用带有Windows-1252镜头的相机拍摄原始字节。我正在使用一个带有UTF-8镜头的相机来拍摄原始字节的照片。这个想法是为你的相机选择合适的镜头。force_encoding（）将允许您选择正确的镜头，以了解您在这里所做的事情。从windows-1252获取作战需求文件，并使用自己的作战需求文件进行救援。希望有更好的办法。
str = "ãƒ\u008F"
str2 = str.chars.map {|c| c.encode('windows-1252').ord rescue c.ord }
         .pack('C*').force_encoding('utf-8')
puts str2
# => ハ