在Ruby 1.9.X中等效的Iconv.conv（“UTF-8 // IGNORE”，…）？
我正在从远程源读取数据，偶尔会在另一个编码中获得一些字符。 它们并不重要。
我想获得一个“最佳猜测”utf-8字符串，并忽略无效数据。
主要目标是获取我可以使用的字符串，而不是遇到如下错误：
- 编码:: UndefinedConversionError：从ASCII-8BIT到UTF-8的“\ xFF”：
- utf-8中的字节序列无效
我以为是这样的：
string.encode("UTF-8", :invalid => :replace, :undef => :replace, :replace => "?")
用’？’取代所有的知识。
要忽略所有未知数， :replace => '' ：
string.encode("UTF-8", :invalid => :replace, :undef => :replace, :replace => "")
编辑：
我不确定这是否可靠。 我已进入偏执模式，并一直在使用：
string.encode("UTF-8", ...).force_encoding('UTF-8')
脚本似乎正在运行，现在好了。 但我很确定我早些时候会遇到错误。
编辑2：
即便如此，我仍然会出现间歇性的错误。 不是每一次，请注意。 只是有时候。
也可以使用String #chars或String＃each_char 。
# Table 3-8. Use of U+FFFD in UTF-8 Conversion # http://www.unicode.org/versions/Unicode6.2.0/ch03.pdf) str = "\x61"+"\xF1\x80\x80"+"\xE1\x80"+"\xC2" +"\x62"+"\x80"+"\x63"+"\x80"+"\xBF"+"\x64" p [ 'abcd' == str.chars.collect { |c| (c.valid_encoding?) ? c : '' }.join, 'abcd' == str.each_char.map { |c| (c.valid_encoding?) ? c : '' }.join ]
从Ruby 2.1开始，可以使用String＃scrub 。
p [ 'abcd' == str.scrub(''), 'abcd' == str.scrub{ |c| '' } ]
这对我很有用：
"String".encode("UTF-8", :invalid => :replace, :undef => :replace, :replace => "").force_encoding('UTF-8')
要忽略字符串中未正确UTF-8编码的所有未知部分，以下（如您最初发布的那样）几乎可以执行您想要的操作。
string.encode("UTF-8", :invalid => :replace, :undef => :replace, :replace => "")
需要注意的是，如果认为字符串已经是UTF-8，则编码不会执行任何操作。 因此，您需要更改编码，通过编码仍然可以编码UTF-8可以编码的全套unicode字符。 （如果你不这样做，你会破坏任何不在该编码中的字符 – 7位ASCII将是一个非常糟糕的选择！）所以请通过UTF-16：
string.encode('UTF-16', :invalid => :replace, :replace => '').encode('UTF-8')
在@masakielastic的帮助下，我使用#chars方法为个人目的解决了这个问题。
诀窍是将每个角色分解为自己独立的块， 以便ruby可以失败 。
Ruby在面对二进制代码等时需要失败。如果你不允许ruby继续前进并且在这个问题上遇到困难。 所以我使用String #chars方法将给定的字符串分解为一个字符数组。 然后我将该代码传递给一个清理方法，该方法允许代码在字符串中包含“微伪”（我的造币）。
因此，给定一个“脏”字符串，假设您在图片上使用了File#read #read。 （我的情况）
dirty = File.open(filepath).read clean_chars = dirty.chars.select do |c| begin num_or_letter?(c) rescue ArgumentError next end end clean = clean_chars.join("") def num_or_letter?(char) if char =~ /[a-zA-Z0-9]/ true elsif char =~ Regexp.union(" ", ".", "?", "-", "+", "/", ",", "(", ")") true end end
允许代码在过程中的某个地方失败似乎是通过它的最佳方式。 只要您在块中包含这些失败，您就可以获取仅接受UTF-8接受的ruby部分的可读内容
我对单行使用String＃encode ala string.encode("UTF-8", :invalid => :replace, :undef => :replace, :replace => "?")没有好运。 不能为我可靠地工作。
但我写了一个纯粹的ruby“回填”String＃scrub到MRI 1.9或2.0或任何其他不提供String＃scrub的ruby。
https://github.com/jrochkind/scrub_rb
它使String＃scrub在没有它的ruby中可用; 如果在MRI 2.1中加载，它将不执行任何操作，您仍将使用内置的String＃scrub，因此它可以让您轻松编写可在任何这些平台上运行的代码。
它的实现有点类似于其他答案中提出的其他char-by-char解决方案，但它不使用流控制的exception（不要那样做），经过测试，并提供与MRI 2.1 String兼容的API ＃擦洗