Ruby不兼容字符编码

我目前正在尝试编写一个脚本，该脚本迭代输入文件并检查网站上的数据。如果它找到了新的数据，它会打印到它经过的终端，如果没有，它会告诉我它失败了。对于已删除的数据，反之亦然。它工作正常，直到我收到的输入文件包含“™" 当ruby到达那一行时，它抛出了一个错误：

PDAPWeb.rb:73:“包含”中：不兼容的字符编码：UTF-8和IBM437 （编码：：CompatibilityError）

有问题的行是一个简单的检查，以查看页面上是否存在文本

if browser.text.include? (program_name)

其中program_name变量是从输入文件中解析的一段信息。在本例中，program_name包含前面提到的“TM”字符

经过一些研究，我发现在我的脚本开头添加一行#编码：utf-8可能会有所帮助，但到目前为止还没有被证明是有用的

我把它添加到我的program_name变量中，以查看它是否有帮助（它允许我的脚本在没有错误的情况下运行），但是现在它没有正确地找到应该找到的TM字符

program_name = record[2].gsub("\n", '').force_encoding("utf-8").encode("IBM437", replace: nil)

这似乎将TM字符转换为：Γäó

---

我想也许我把IBM437和utf-8的部件颠倒了，所以我试了相反的方法

program_name = record[2].gsub("\n", '').force_encoding("IBM437").encode("utf-8", replace: nil)

我现在在尝试运行脚本时收到此错误

PDAPWeb.rb:48:in'encode'：U+2122从UTF-8到IBM437（编码：：UndefinedConve rsionError）

我正在使用ruby 1.9.3p392（2013-02-22），我不确定是否应该升级，因为这是我公司安装的标准版本

---

我的编码是否不正确并导致转换TM字符时出错？

下面是它的情况。您的输入文件包含

™字符，它是UTF-8编码。但是，当您阅读它时，由于您没有指定编码，Ruby假定它是系统默认的IBM437编码（您必须在Windows上）

这与此基本相同：

>输入=”™"
=> "™"
>>输入编码
=> #
>>input.force_编码“ibm437”
=>“\xE2\x84\xA2”

请注意，
force_encoding
不会更改实际字符串，只会更改与其关联的标签。这与您的情况相同，只是您通过不同的路径（通过读取文件）到达此处

该网页还有一个
™
symbol，也被编码为UTF-8，但在本例中，Ruby的编码是正确的（Watir可能使用页面的标题）：

>网页™'
=> "™"
>>网页编码
=> #

现在，当您尝试比较这两个字符串时，会出现兼容性错误，因为它们的编码不同：

>web\u page.include？输入
编码：：兼容性错误：不兼容的字符编码：UTF-8和IBM437
from（irb）：11:include
来自（irb）：11
from/Users/matt/.rvm/rubies/ruby-2.2.1/bin/irb:11:in`'

如果两个字符串中的任何一个仅包含ASCII字符（即代码点小于128）那么这个比较就行了。UTF-8和IBM437都是ASCII的超集，只有当它们都包含ASCII范围以外的字符时才不兼容。这就是为什么只有当输入文件有
™

修复方法是通知Ruby输入文件的实际编码是什么。您可以使用已加载的字符串执行此操作：

>> input.force_encoding 'utf-8'
=> "™"

您也可以在以下情况下执行此操作，例如（有几种读取文件的方法，它们都应允许您显式指定编码）：

注意，这两个字符串都没有改变，它仍然包含相同的字节，但是Ruby现在知道了它的正确编码

现在比较应该可以了：

>web\u page.include？输入
=>正确


不需要输入字符串。如果您这样做，会发生以下情况。首先，如果您将编码更正为UTF-8，然后将编码更改为IBM437：

>输入。强制编码（“utf-8”）。编码（“IBM437”，替换为：无）
编码：：未定义的转换器错误：U+2122从UTF-8到IBM437
from（irb）：16:in'encode'
起始（irb）：16
from/Users/matt/.rvm/rubies/ruby-2.2.1/bin/irb:11:in`'

不包括
™字符，因此您无法将包含该字符的字符串编码为此编码而不丢失数据。默认情况下，Ruby会在这种情况下引发异常。您可以使用
：undef
选项强制编码，但符号丢失：

>input.force_编码（“utf-8”）.encode（“IBM437”，：unde=>：replace）
=> "?"

如果您选择另一种方式，首先使用
强制_编码
到IBM437，然后编码到UTF-8，您将得到字符串
Γäó
：

>输入。强制编码（“IBM437”）。编码（“utf-8”，替换：nil）
=> "Γäó"

就Ruby而言，字符串已经采用IBM437编码，因此
force_编码
没有任何作用™
是三个字节
0xe2 0x84 0xa2
，当解释为IBM437时，这些字节对应于此处看到的三个字符，然后将其转换为UTF-8表示形式

（这两个结果与您在问题中所描述的相反，因此我在上面进行了评论。我假设这只是一个复制粘贴错误。）
您将编码到
IBM437
有什么原因吗？我不确定我的编码顺序是否正确，我只是按照它在问题中所说的去做错误最初是什么（在我添加任何编码之前）“我想我可能把IBM437和utf-8部分颠倒了，所以我尝试了相反的方法，现在在尝试运行脚本时收到了这个错误”你能显示这个代码吗。有些东西没有意义。使用
/\u{2122}/
表示TM符号可能会对您有所帮助。例如，请尝试
browser.goto'http://graphemica.com/%E2%84%A2“
注意，
brow
input = File.read("input_file.txt", :encoding => "utf-8")
# now input will be in the correct encoding