Ruby 1.9、YAML 和字符串编码 : how to lead a life of sanity?

Question

在我看来，ruby 1.9 附带的 YAML 库是编码失聪的。

这意味着在生成 YAML 时，它将采用任何字节串，并转义任何不输出干净 ASCII 的字节序列。这很蹩脚，但可以接受。

我的问题恰恰相反。从所述 YAML 转储加载内容时。

在下面的示例中，我创建了一个 UTF-8 字符串，将其转储为 !binary 类型。当我加载它时，它的编码是 ASCII-8BIT。在示例的最后，我尝试将原始字符串和重新加载的字符串与另一个 UTF-8 字符串连接起来。后者将因 Encoding::CompatibilityError 而失败。

require 'yaml'
s0 = "Iñtërnâtiônàlizætiøn"
y  = s0.to_yaml
s1 = YAML::load y
puts s0                 # => Iñtërnâtiônàlizætiøn
puts s0.encoding        # => UTF-8
puts s1                 # => Iñtërnâtiônàlizætiøn
puts s1.encoding        # => ASCII-8BIT
puts y                  # => --- !binary |
                        #    ScOxdMOrcm7DonRpw7Ruw6BsaXrDpnRpw7hu
puts "ñårƒ" + s0        # => ñårƒIñtërnâtiônàlizætiøn
puts "ñårƒ" + s1        # => Encoding::CompatibilityError: incompatible character encodings: UTF-8 and ASCII-8BIT

我认为很明显，当您处理一些包含嵌套哈希和带叶字符串的数组的 YAML 源时，这会很快导致麻烦。

目前我有一些代码遍历所有哈希和数组并在每个字符串上调用 force_encoding。至少可以说，这是不雅观的。

我现在正在寻找的是一种方法来告诉 YAML::load 任何进来的字符串都应该被视为，因此有它的编码设置为 UTF-8。

---

理想情况下，ruby 的 YAML 应该只用正确的编码注释它转储的字符串。有一个 Ya2YAML 项目试图转储 UTF-8 安全 YAML。我不确定它有多远。如果有人玩过它，我欢迎任何想法。

无论如何，我仍然有这些转储，没有任何编码信息需要处理。虽然我知道他们都是UTF-8。

Answer 1

考虑将您的 ruby​​ 升级到最新的 1.9.2。

我在 1.9.1 中发现了这个错误，但在 1.9.2 中没有。