Ruby：将编码字符转换为实际的UTF-8字符

Ruby不能很好地处理UTF-8字符串。我在一个XML文件中传递数据，尽管XML文档被指定为UTF-8，但它将ascii编码（每个字符两个字节）视为单个字符

我已经开始以“\uxxx”格式对输入字符串进行编码，但是我不知道如何将其转换为实际的UTF-8字符。我一直在这个网站和谷歌上搜索，但毫无结果，我现在很沮丧。我正在使用Ruby 1.8.6

基本上，我想转换字符串'\u03a3'->“∑”

我所拥有的是：

data.gsub /\\u([a-zA-Z0-9]{4})/,  $1.hex.to_i.chr

这当然会导致“931超出字符范围”错误

多谢各位

---

Tim会因为Ruby字符串将UTF-8编码的代码点视为两个字符而中断吗？如果没有，那你就不必太担心了。如果有东西坏了，请添加评论让我们知道。解决这个问题可能比寻找解决办法要好

如果需要进行转换，请查看Iconv库

在任何情况下，

和#x3a3

可能是

\u03a3

的更好替代品\Uxxx用于JSON，但不用于XML。如果您想解析\uxxx格式，请查看一些JSON库是如何解析的。

Ruby（至少1.8.6）没有完全的Unicode支持。仅支持ASCII字符，否则最多只能支持八进制符号（

'\377'

）的

255

证明：

irb(main):001:0> 255.chr
=> "\377"
irb(main):002:0> 256.chr
RangeError: 256 out of char range
        from (irb):2:in `chr'
        from (irb):2

您可以尝试升级到Ruby 1.9。这些文档没有显式地声明ASCII，因此支持可能已经扩展——尽管示例在255处停止

或者，你可以试着调查一下。我自己从来没有试过，所以我不知道它会有多大帮助

否则，我认为你目前无法在Ruby中实现你想要的功能。

试试这个：

[0x50].pack("U")

---

其中

0x50

是utf8字符的十六进制代码。

您可以将编码传递给：

chr（[编码]）→ 一串 返回包含由

int

表示的字符的字符串 根据

编码的值

65.chr    #=> "A"
230.chr   #=> "\xE6"
255.chr(Encoding::UTF_8)   #=> "\u00FF"

---

因此，不要使用

.chr

，而是使用

.chr（Encoding:：UTF_8）

注意，UTF-8不是每个字符两个字节。它是每个代码点1到4个字节。如果你的gsub真的工作了，输出将不是UTF-8——它可能更接近UCS-2或UTF-32，这取决于数字的大小。我的答案是放弃Ruby。我正在.NET中重写这段代码，因为我没有时间继续尝试Ruby。我升级到1.9.1，其中不包括运行所需的大量DLL。在添加这些之后，许多gem都在1.9.*中被破坏，因为它们使用了二进制gem格式，硬代码引用了1.8.*DLL。最后一个脚本看起来是这样的：data.gsub（/\\u[a-zA-Z0-9]{4}/）{s | eval（““+s+”）}），在1.9中运行得非常好。*，但由于它不运行gems，我需要到别处看看。