ruby - 转换为utf8和从utf8转换时如何打包和解包猜测字符编码？

Question

假设我想将 "\xBD" 转换为 UTF-8。

如果我使用pack & unpack，我会得到½:

puts "\xBD".unpack('C*').pack('U*')    #=> ½

因为 "\xBD" 在 ISO-8859-1 中是 ½。

但是 "\xBD" 在 ISO-8859-9 中是 –。

我的问题是:为什么 pack 使用 ISO-8859-1 而不是 ISO-8859-9 将字符转换为 UTF-8？有什么方法可以配置该字符编码吗？

我知道我可以在 Ruby 1.8.7 中使用 Iconv，在 1.9.2 中使用 String#encode，但我对 pack 很好奇code> 因为我在一些代码中使用了它。

Answer 1

这实际上与 \xBD 在 ISO-8859-x 中的表示方式无关。关键部分是将 pack 转换为 UTF-8。

包接收[189]。代码点 189 在 UTF-8(更准确地说，Unicode)中定义为 ½。不要将此视为 Unicode 规范编写者“更喜欢”ISO-8859-1 而不是 ISO-8859-9。他们必须选择代表 ½ 的代码点，而他们只选择了 189。

既然你想了解更多关于pack/unpack的知识，那么让我解释一下:

当您使用 C 指令解包时，ruby 将字符串解释为 ascii-8bit，并提取 ascii 代码。在这种情况下，\xBD 转换为 0xBD a.k.a. 189。这是一个非常基本的转换。

当您使用U 指令pack 时，ruby 将在其UTF-8 转换表中查找哪些代码点映射到数组中的每个整数。

pack/unpack 具有非常具体的行为，具体取决于您提供的指令。我建议阅读 ruby​​-doc.org。有些指令对我来说仍然没有意义，所以不要气馁。