我使用ruby阅读网页,它的内容是:
<HTML>
<HEAD>
<META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=GB2312" />
</HEAD>
<BODY>
中文
</BODY>
</HTML>从元数据中,我们可以看到它使用了GB2312编码。
我的代码是:
res = Net::HTTP.post_form(URI.parse("http://xxx/check"),
{:query=>'xxx'})然后我使用:
res.include?("中文")检查内容中是否包含该单词。但如果显示false。
我不知道为什么它是假的,我该怎么办?ruby 1.8.7使用什么编码?如果我需要转换编码,该怎么做?
发布于 2010-07-09 22:10:03
Ruby 1.8不使用编码,它使用纯字节字符串。如果您希望程序中的字节字符串与网页中的字节字符串相匹配,则必须以网页使用的相同编码(GB2312)保存.rb文件,以便Ruby可以看到相同的字节。
可能更好的方法是显式地写入字节字符串,以避免与.rb文件的编码有关的问题:
res.include?("\xD6\xD0\xCE\xC4")但是,当使用多字节编码时,匹配字节字符串并不能可靠地匹配字符( UTF-8除外,它被故意设计为允许这样做)。如果网页包含以下字符串:
兄形男在其中,它将被编码为"\xD0\xD6\xD0\xCE\xC4\xD0"。它包含字节序列"\xD6\xD0\xCE\xC4",因此include?将是true,即使字符中文不存在。
如果需要完全可靠地处理非ASCII字符,则需要一种支持Unicode的语言。
https://stackoverflow.com/questions/3213121
复制相似问题