将整数转换为UTF-8（韩文）

我正在运行Ruby 1.9.2并尝试修复一些损坏的UTF-8文本输入，其中文本实际上是"\\354\\203\\201\\355\\221\\234\\353\\252\\205"并将其更改为正确的韩语"상표명"

然而，经过一段时间的搜索和尝试一些方法，我仍然得到了胡言乱语。 令人困惑的是，第3行的转义字符示例运行正常

 # encoding: utf-8 puts "상표명" # Target string # Output: "상표명" puts "\354\203\201\355\221\234\353\252\205" # Works with escaped characters like this # Output: "상표명" # Real input is a string input = "\\354\\203\\201\\355\\221\\234\\353\\252\\205" # After some manipulation got it into an array of numbers puts [354, 203,201,355,221,234,353,252,205].pack('U*').force_encoding('UTF-8') # Output: ŢËÉţÝêšüÍ (gibberish) 

我确信这肯定已经在某个地方得到了解答，但我还没有找到它。

Answer 1

这是您想要获取UTF-8韩语文本的目的：

 s = "\\354\\203\\201\\355\\221\\234\\353\\252\\205" k = s.scan(/\d+/).map { |n| n.to_i(8) }.pack("C*").force_encoding('utf-8') # "상표명" 

这就是它的工作原理：

1. 输入字符串很好且常规，因此我们可以使用scan来提取单个数字。
2. 然后使用to_i(8)的map将八进制值（由Henning Makholm指出to_i(8)转换为整数。
3. 现在我们需要将整数列表转换为字节，因此我们pack('C*')来获取字节字符串。 该字符串将具有BINARY编码（AKA ASCII-8BIT ）。
4. 我们碰巧知道字节真的代表UTF-8所以我们可以强制使用force_encoding('utf-8') 。

你缺少的主要是你的pack格式; 'U'表示“UTF-8字符”，并且期望一个Unicode代码点数组，每个代码点由一个整数表示， 'C'需要一个字节数组，这就是我们所拥有的。

Answer 2

\354等等是八进制转义，而不是十进制，所以你不能只将它们写成354来获取字节的整数值。