字符串#coding不修复“UTF-8中的无效字节序列”错误
我知道关于这个错误有很多类似的问题,我已经尝试了很多没有运气的问题。 我遇到的问题涉及字节\xA1
并且正在抛出
ArgumentError:UTF-8中的无效字节序列
我试过以下但没有成功:
"\xA1".encode('UTF-8', :undef => :replace, :invalid => :replace, :replace => "").sub('', '') "\xA1".encode('UTF-8', :undef => :replace, :invalid => :replace, :replace => "").force_encoding('UTF-8').sub('', '') "\xA1".encode('UTF-8', :undef => :replace, :invalid => :replace, :replace => "").encode('UTF-8').sub('', '')
每一行都为我抛出错误。 我究竟做错了什么?
更新:
上述行仅在IRB中失败。 但是,我修改了我的应用程序,使用相同的String#encode方法和参数对CVS文件的行进行编码,从文件中读取行时出现相同的错误(注意:如果对同一个字符串执行操作,它会起作用没有使用IO)。
bad_line = "col1\tcol2\tbad\xa1" bad_line.sub('', '') # does NOT fail puts bad_line # => col1 col2 bad? tmp = Tempfile.new 'foo' # write the line to a file to emulate real problem tmp.puts bad_line tmp.close tmp2 = Tempfile.new 'bar' begin IO.foreach tmp.path do |line| line.encode!('UTF-8', :undef => :replace, :invalid => :replace, :replace => "") line.sub('', '') # fail: invalid byte sequence in UTF-8 tmp2.puts line end tmp2.close # this would fail if the above error didn't halt execution CSV.foreach(tmp2.path) do |row| puts row.inspect # fail: invalid byte sequence in UTF-8 end ensure tmp.unlink tmp2.close tmp2.unlink end
似乎ruby认为字符串编码已经是utf8,所以当你这样做时
line.encode!('UTF-8', :undef => :replace, :invalid => :replace, :replace => "")
它实际上没有做任何事情,因为目标编码与当前编码相同(至少这是我对transcode.c
代码的解释)
这里真正的问题是你的起始数据是否在某些不是utf-8的编码中是有效的,或者这是否是应该是utf-8的数据,但是它有一些你想要丢弃的瑕疵。
在第一种情况下,正确的做法是告诉ruby这种编码是什么。 您可以在打开文件时执行此操作
File.open('somefile', 'r:iso-8859-1')
将打开文件,将其内容解释为iso-8859-1
你甚至可以让ruby为你转码
File.open('somefile', 'r:iso-8859-1:utf-8')
将以iso-8859-1打开文件,但是当您从中读取数据时,字节将为您转换为utf-8。
你也可以调用force_encoding
告诉ruby字符串的编码是什么(这根本不会修改字节,它只是告诉ruby如何解释它们)。
在第二种情况下,你只想转储你的utf-8中的任何令人讨厌的东西,你不能只调用encode!
因为你有,因为这是一个无操作。 在ruby 2.1及更高版本中,您可以使用String#scrub ,在以前的版本中,您可以执行此操作
line.encode!('UTF-16', :undef => :replace, :invalid => :replace, :replace => "") line.encode!('UTF-8')
我们首先转换为utf-16。 由于这是一种不同的编码,因此ruby实际上会替换我们的无效序列。 然后我们可以转换回utf-8。 这不会丢失任何额外的数据,因为utf-8和utf-16只是编码相同底层字符集的两种不同方式。
也许您在IRB中运行此代码。 我对IRB有很多编码问题。 在这种情况下,请尝试将此代码保存为.rb
文件,并从命令行运行代码。