Ruby libxml将重音字符转换为反斜杠x转义。他不高兴

在使用libxml读取的xml节点中有以下属性。如果我打印reader.node，它将正常打印并带有重音字符

reader = XML::Reader.new(File.open("somefile.xml", "r"))
reader.read
reader.read
...
p reader.node

=> ... Full_Name="Univisión Network - East Feed" ...

不过，如果我这样做的话，结果就是逃脱了

p reader.node["Full_Name"]
=> "Univisi\xC3\xB3n Network - East Feed"

当我尝试将此值转换为json laater时，我得到以下错误

Encoding::UndefinedConversionError: "\xC3" from ASCII-8BIT to UTF-8

下面是文档中的xml行

<?xml version="1.0" encoding="ISO-8859-1"?>

但是，如果它这样做了，它就会逃脱

不完全是。您看到的是UTF-8输出被解释为一个字节字符串

问题是，您的XML文档说它是ISO-8859-1，而实际上它是UTF-8。修复编码问题，它应该可以工作。

编辑
所以我一直在努力解决这个问题已经有相当一段时间了。有趣的是：您的代码在ruby 1.8中运行时没有错误（至少在这里）。所以我认为这个错误与ruby 1.9的新编码处理有关。不知何故，它无法确定解析和读取的XML是（libxml的内部）utf-8格式（文档编码在这里并不重要：在1.8中，它可以同时使用iso-8859-1和utf-8，即使使用错误的XML编码声明）。相反，它将其视为ASCII-8BIT或二进制。换句话说，它不知道编码。这就是为什么

to_json

无法将其转换为utf-8的原因

解决这个问题的最简单方法可能是降级到ruby 1.8

或者，您的

force_编码（'UTF-8'）

方法似乎是合理的。
编辑结束

您可以尝试将正确的编码传递给读取器：

reader = XML::Reader.new(File.open("somefile.xml", "r"), 
  XML::Encoding::ISO_8859_1)

---

所以，我仍然完全不明白为什么我不能找到“正确”的方法来做这件事，但是我帮助找到了String类上的

force_encoding

方法。因为我的代码涉及到将属性复制到散列中，所以在复制值时调用

force_encoding

并不是什么大问题

我加倍确保已将文件保存为UTF-8，并将正确的xml声明放在顶部。它仍然失败了

不管怎样，在我找到解决实际问题的方法之前，这段代码已经解决了这个问题

  object = { type: node.name }      
  node.attributes.each do |attribute|
    name = attribute.name.gsub /_/,""
    value = attribute.value.force_encoding('UTF-8')

    object[name] = value
  end

请注意，如果我不需要将节点复制到散列中，这将是不合适的，因为这肯定不值得所有的麻烦。如果我这样做

object.to_json

---

它毫无问题地工作。谢谢你的帮助！你知道我如何在xml上强制编码吗

您知道如何覆盖xml文档的编码吗？同样，我无法更改xml文档。这不起作用：

reader=xml:：reader.io（文件：encoding=>xml:：encoding:：UTF_8）

当我请求文档的编码时，它仍然返回旧的编码，应该是

xml:：encoding:：ISO_8859_1

-请参阅我的答案。即使将编码设置为ISO_8859_1，我仍然会收到错误。对不起，我弄糊涂了等等，我以为我想强迫它使用UTF-8？我不想要

reader=XML:：reader.new（File.open（“somefile.XML”，“r”），：encoding=>XML:：encoding:：UTF_8）

？我仍然会错误地盲目粘贴代码，并且将其设置为UTF_8似乎并没有改变它（当我要求它的编码时，它仍然给出ISO_8859_1），那么

somefile.xml

（不管

）的真正编码是什么？我不太确定如何检查

file——mime somefile.xml

gives

application/xml；charset=us ascii

好吧，Ruby 1.9在这里对你很苛刻。问题是XML文档完全错了。它声称是ISO-8859-1，而实际上是UTF-8。您正在使用强制编码来修复它。作为一名Ruby开发人员，我不知道是否可以强制XML解析器忽略声明的编码，并对整个文档使用UTF-8。@Julik-我想说@Jim-是的，我也这么想，但我更改了顶部的声明，确保它保存为UTF-8（使用textmate），并强制进行编码（至少根据libxml库的文档），这仍然很奇怪。哦，好吧

object.to_json