ruby - Ruby 中的 UTF-8 错误

Question

我正在抓取一些网站，最终我遇到了一个 UTF-8 错误，如下所示:

/usr/local/lib/ruby/gems/1.9.1/gems/dm-core-1.2.0/lib/dm-core/support/ext/blank.rb:19:in
`=~': invalid byte sequence in UTF-8 (ArgumentError)

现在，我不关心网站是否 100% 准确。有没有一种方法可以获取我获得的页面并去除任何有问题的编码，然后在我的程序中传递它？

如果重要的话，我正在使用 ruby 1.9.3p0(2011-10-30 修订版 33570)[x86_64-darwin11.2.0]。

更新:

def self.blank?(value)
      return value.blank? if value.respond_to?(:blank?)
      case value
      when ::NilClass, ::FalseClass
        true
      when ::TrueClass, ::Numeric
        false
      when ::Array, ::Hash
        value.empty?
      when ::String
        value !~ /\S/ ###This is the line 19 that has the issue.
      else
        value.nil? || (value.respond_to?(:empty?) && value.empty?)
      end
    end
  end

当我尝试保存以下行时:

What Happens in The Garage Tin Sign2. � � Newsletter Our monthly newsletter,

它抛出错误。它在页面上:http://www.stationbay.com/ .但奇怪的是，当我在网络浏览器中查看它时，它并没有显示源代码中的有趣符号。

接下来我该做什么？

Answer 1

问题是您的字符串包含非 UTF-8 字符，但似乎强制使用了 UTF-8 编码。以下简短代码演示了该问题:

a = "\xff"
a.force_encoding "utf-8"
a.valid_encoding?  # returns false
a =~ /x/           # provokes ArgumentError: invalid byte sequence in UTF-8

解决此问题的最佳方法是从一开始就应用正确的编码。如果这不是一个选项，您可以使用 String#encode :

a = "\xff"
a.force_encoding "utf-8"
a.valid_encoding?  # returns false

a.encode!("utf-8", "utf-8", :invalid => :replace)
a.valid_encoding?  # returns true now
a ~= /x/           # works now