修复Ruby中编码错误的字符串 背景

我有一个Postgres数据库中的数据，它在某些时候被错误地编码了

数据库是UTF-8编码的。该表有一列包含YAML序列化数据。某些行包含非ascii字符，这些字符似乎由其两字节UTF等价物表示。更容易显示：

> puts data
#  ---
#  :method_name: new
#  :method_args:
#  - "M\xC3\xB6bler"
#  - ""
#  - false
#  - ""
#  - test
#  - f8685480-a36b-012f-54c1-1093e95ec0bb

> data.encoding
# => # <Encoding:UTF-8>

但是，在这种情况下，保留原始字节，以便我们可以转换回UTF：

> string.force_encoding("utf-8")
# => "ö"

打印

\xC3\xB6

似乎只是显示在ASCII-8BIT中毫无意义的字节的一种方式。您可以通过调用

.chars

来说明这一点：

> string.chars
# => ["\xC3", "\xB6"]

但是在来自数据库的字符串中，

\xC3\xB6

实际上是八个字符

> data[42..49].chars
# => ["\\", "x", "C", "3", "\\", "x", "B", "6"]

正因为如此，您不能只强制使用ASCII-8bit，然后再返回—这是我第一次尝试解决方案

我的下一个想法是以某种方式恢复原始字节，但结果比我想象的要困难

这里提出了一种可能的（黑客式）解决方案：

这个解决方案对我不起作用，可能是因为字符串代表YAML

问题: 如何恢复原始unicode字符

我想我可以写一个巨大的gsub表达式，但我宁愿避免

我想我可以写一个巨大的gsub表达式，但我宁愿避免

不是真的那么可怕：）

string=“M\\xC3\\xB6bler”
字符串编码
# => #
将string.gsub（/\\x（[0-9a-zA-Z]{2}）/）{$1.to_i（16.chr}
#=>Möbler

> data[42..49].chars
# => ["\\", "x", "C", "3", "\\", "x", "B", "6"]

string = "M\\xC3\\xB6bler"
string.encoding
# => #<Encoding:UTF-8>

puts string.gsub(/\\x([0-9a-zA-Z]{2})/) { $1.to_i(16).chr }
# => Möbler