cómo convertir la codificación de caracteres con ruby ​​1.9

Question

Actualmente estoy teniendo problemas con los resultados de la API de amazon.

el servicio devuelve una cadena con caracteres Unicode: Aprender Objetivo \ XE2 \ x80 \ x93C en el Mac (Aprender Series)

con Ruby 1.9.1 la cadena aun no podía sido procesada:

REXML::ParseException: #<Encoding::CompatibilityError: incompatible encoding regexp match (UTF-8 regexp with ASCII-8BIT string)> 

... 

Exception parsing 

Line: 1 

Position: 1636 

Last 80 unconsumed characters: 

Learn Objective–C on the Mac (Learn Series) 

Answer 1

Como excepción, su cadena tiene codificación ASCII-8BIT. Deberías cambiar la codificación. Hay una long story de eso, pero si usted está interesado en una solución rápida, simplemente force_encoding en la cuerda antes de realizar cualquier proceso:

s = "Learn Objective\xE2\x80\x93C on the Mac" 
# => "Learn Objective\xE2\x80\x93C on the Mac" 
s.encoding 
# => #<Encoding:ASCII-8BIT> 
s.force_encoding 'utf-8' 
# => "Learn Objective–C on the Mac" 

Answer 2

solución de Mladen funciona si todo lo que está codificado en ASCII-8BIT realidad se puede convertir directamente a UTF-8. Se rompe cuando hay caracteres que son 1) inválidos, o 2) indefinidos en UTF-8. Sin embargo, esto va a funcionar (en 1.9.2 y hasta:.

new_str = s.encode('utf-8', 'binary', :invalid => :replace, 
    :undef => :replace, :replace => '') 

ASCII-8BIT es efectivamente binaria Este código convierte la codificación UTF-8, mientras que trata correctamente con caracteres no válidos e indefinidos El:. Opción inválida especifica que los caracteres no válidos sean reemplazados. La opción: undef especifica que los caracteres no definidos sean reemplazados. Y la opción: replace define con qué se deben reemplazar los caracteres no válidos o indefinidos. En este caso, opté por simplemente eliminarlos.