ruby `split' : invalid byte sequence in UTF-8 (ArgumentError)

Question

我正在尝试填充电影对象，但在解析 u.item 文件时出现此错误:

`split': invalid byte sequence in UTF-8 (ArgumentError)

File.open("Data/u.item", "r") do |infile|
            while line = infile.gets
                line = line.split("|")
            end
end

仅当尝试使用花哨的国际标点符号拆分行时才会发生错误。

这是一个例子

543|Misérables, Les (1995)|01-Jan-1995||http://us.imdb.com/M/title-exact?Mis%E9rables%2C%20Les%20%281995%29|0|0|0|0|0|0|0|0|1|0|0|0|1|0|0|0|0|0|0

有解决办法吗？？

Answer 1

我不得不强制每行的编码为 iso-8859-1(这是欧洲字符集)... http://en.wikipedia.org/wiki/ISO/IEC_8859-1

a=[]
IO.foreach("u.item") {|x| a << x}
m=[]
a.each_with_index {|line,i| x=line.force_encoding("iso-8859-1").split("|"); m[i]=x}