编码问题时使用替换引入nokogiri

我有这样的代码：编码问题时使用替换引入nokogiri

# encoding: utf-8 
require 'nokogiri' 

s = "<a href='/path/to/file'>Café Verona</a>".encode('UTF-8') 
puts "Original string: #{s}" 

@doc = Nokogiri::HTML::DocumentFragment.parse(s) 

links = @doc.css('a') 
only_text = 'Café Verona'.encode('UTF-8') 
puts "Replacement text: #{only_text}" 
links.first.replace(only_text) 
puts @doc.to_html

但是，输出是这样的：

Original string: <a href='/path/to/file'>Café Verona</a> 
Replacement text: Café Verona 
CafÃ© Verona

为什么文中@doc结束了错误的编码？

我试过有和没有encode('UTF-8')或使用Document而不是DocumentFragment，但它是同样的问题。

我在使用Nokogiri v1.5.6和Ruby 1.9.3p194。

来源

2013-02-28 Cristian

我无法使用Ruby 2.0.0或1.9.3来重现它。顺便说一句，你的Ruby版本是什么？ – 2013-02-28 21:25:52

你试过了'puts @ doc.to_html（：encoding =>“UTF-8”）' – PinnyM 2013-02-28 21:26:58

@jonallard它是ruby 1.9.3p194（2012-04-20修订版35410）[x86_64-darwin11.4.0] – Cristian 2013-02-28 21:38:47

看来，如果你传递一个引入nokogiri文本对象它做的事;）

links.first.replace Nokogiri::XML::Text.new(only_text, @doc)

来源

2013-03-01 01:49:24

这样做！谢谢。我不知道为什么字符串直接不起作用。也许是一个错误？ – Cristian 2013-03-01 22:16:31

我严重怀疑这是一个错误。 100次中有99次是用户错误。 – 2013-03-01 22:56:02

我不知道nokogiri的实习生。所以我不知道这是否是一个错误。但你可以创建一个问题 – 2013-03-01 22:57:21

我不能重复的问题，但我有两个不同的东西尝试：

而不是使用：

s = "<a href='/path/to/file'>Café Verona</a>".encode('UTF-8')

尝试：

s = "<a href='/path/to/file'>Café Verona</a>"

由于您的陈述# encoding: utf-8，您的字符串已经是UTF-8编码。这就是为什么你把它放在脚本中，告诉Ruby文字字符串是UTF-8。尽管我认为Ruby不会 - 但它应该默默地忽略第二次尝试，因为它已经是UTF-8了。

另一件事我想知道的是，输出，如：

CafÃ© Verona

是一个指标，您的系统和终端的语言/字符集编码不正确。尝试在设置为其他设备的系统上输出UTF-8字符串时，可能会在终端和/或浏览器中出现不匹配。 Windows系统通常是Win-1252，ISO-8859-1或类似的东西，而不是UTF-8。在我的Mac OS系统，我有这些环境变量设置：

LANG=en_US.UTF-8 
LC_ALL=en_US.UTF-8

“Open iso-8859-1 encoded html with nokogiri messes up accents”可能是有用的。

来源

2013-03-01 02:26:50

感谢您的答案。我在我的问题中提到过，我在末尾使用＆没有使用encode（）。我认为我的终端是好的，我也在Mac上，其他的字符串显示正常（也是UTF-8），所以这不应该成为问题。无论如何，伊斯梅尔的答案解决了我的问题，但仍然在想什么是错的...... – Cristian 2013-03-01 22:18:28

编码问题时使用替换引入nokogiri

回答

相关问题