Ruby编码

目录

背景字符串可以使用不同的编码编码转换编码强制不同编码的字符串相加后是啥结果？一直没使用过的\u和\x使用Sublime开发Ruby时，输出到控制台的字符串为啥不能使用多种编码？备注

背景返回目录

Ruby直到1.9版本才很好的支持了多字节编码，本文简单总结了今天学习的关于Ruby编码方面的知识。

字符串可以使用不同的编码返回目录

在.NET中字符串的编码是一致的，Ruby允许字符串有不同的编码，当时我就在想：如果两个不同编码的字符串相加会出现什么结果？

测试程序

 1 # coding: utf-8
 2
 3 str_utf8 = "hi 段"
 4 puts str_utf8.size                                # 4
 5 puts str_utf8.bytesize                            # 6
 6 puts str_utf8 .encoding                         # UTF-8
 7 str_utf8.each_byte {|b| print "%02X," % [b]}      # 68,69,20,E6,AE,B5,
 8 puts
 9
10 puts
11
12 str_gb2312 = "hi 段".encode("gb2312")
13 puts str_gb2312.size                            # 4
14 puts str_gb2312.bytesize                        # 5
15 puts str_gb2312 .encoding                         # GB2312
16 str_gb2312.each_byte {|b| print "%02X," % [b]}     # 68,69,20,B6,CE,
17 puts

输出结果

1 4
2 6
3 UTF-8
4 68,69,20,E6,AE,B5,
5
6 4
7 5
8 GB2312
9 68,69,20,B6,CE,

备注：UTF-8对英文采用1个字节，对中文采用三个字节。GB2312对英文采用1个字节，对中文采用两个字节。

编码转换返回目录

编码转换可以采用String::encode("目标编码名称")来完成，如果编码之间的转换兼容，返回编码后的字符串，否则会抛出编码转换异常。

测试程序

1 begin
2     puts "段".encode("ascii")
3 rescue Exception => e
4     puts e.class
5 end
6
7 puts "段".encode("gb2312")

输出结果

1 Encoding::UndefinedConversionError
2 段

备注：encode会返回一个和元字符串序列一样的字符串序列，只是内部的字节序列改变了。

编码强制返回目录

编码强制是指在不改变字节序列的情况下改变对字节的解释方式，编码强制：String::force_encoding("强制编码")。

测试程序

 1 utf8_str = "\xE6\xAE\xB5".encode("utf-8")
 2 puts utf8_str.encoding() # UTF-8
 3 puts utf8_str.size # 1
 4 puts utf8_str.bytesize # 3
 5
 6 ascii_str = "\xE6\xAE\xB5".force_encoding("ascii")
 7 puts ascii_str.encoding() # US-ASCII
 8 puts ascii_str.size # 3
 9 puts ascii_str.bytesize # 3
10 puts ascii_str.valid_encoding? # false

输出结果

1 UTF-8
2 1
3 3
4 US-ASCII
5 3
6 3
7 false

备注：String::valid_encoding?可以判定是否是有效的强制。

不同编码的字符串相加后是啥结果？返回目录

这个问题的答案很简单：如果两个字符串的编码兼容，则返回字符集最大的编码，否则跑出不兼容异常。你可以自己检查兼容性：Encoding.compatible?。

测试程序

1 str_ascii = "hi ".encode("ascii")
2 str_utf8 = "段"
3 puts str_ascii.encoding
4 puts str_utf8.encoding
5 puts Encoding.compatible?(str_ascii.encoding, str_utf8.encoding)
6 puts (str_ascii + str_utf8).encoding
7 puts (str_utf8 + str_ascii).encoding

运行结果

1 US-ASCII
2 UTF-8
3 UTF-8
4 UTF-8
5 UTF-8

一直没使用过的\u和\x返回目录

几乎所有的语言都支持这两个转义字符，允许我们使用\uXXXX指定Unicode码点对于的字符，通用也运行我们使用\xXX指定字节。

测试程序

1 puts "段" # 段
2 puts "\xE6\xAE\xB5" # 段
3 puts "\u6BB5" # 段

输出结果

1 # 段
2 # 段
3 # 段

使用Sublime开发Ruby时，输出到控制台的字符串为啥不能使用多种编码？返回目录

测试程序

1 puts "段"
2 puts "段".encode("GB2312")

在Sublime中的输出结果

1 [Decode error - output not utf-8]

在控制台的输出结果

原因分析

Sublime之所以失败是因为Sublime重定位了默认标准输出流，而重定位后的流不支持混合多种编码，说白了：你没法在一个文件中保存两种编码的字符串。

备注：Sublime中的失败不是Ruby导致的，是Sublime自身的问题。

如何解决？

Sublime默认只能接收UTF8编码，因此必须转换为UTF8编码。

1 # 默认是UTF8编码，不用处理。
2 puts "段"
3 # 执行windows命令必须使用GB2312编码。
4 command = "echo 段".encode("GB2312")
5 # 命令执行的结果想输出到Sublime必须使用UTF8编码。
6 puts `#{command}`.encode("utf-8")

输出结果

1  # 输出结果
2  段
3  段

备注返回目录

字符串、字符集和编码算是刚入门，有机会还得继续学习。