REXML和编码

Question

有人能给我解释一下这个结果吗？

#!/usr/bin/env ruby
# encoding: utf-8

require 'rexml/document'

doc = REXML::Document.new(DATA)
puts "doc: #{doc.encoding}"
REXML::XPath.each(doc, '//item') do |item|
  puts "  #{item}: #{item.to_s.encoding}"
end

__END__
<doc>
  <item>Test</item>
  <item>Über</item>
  <item>8</item>
</doc>

输出：

doc: UTF-8
  <item>Test</item>: US-ASCII
  <item>Über</item>: UTF-8
  <item>8</item>: US-ASCII

看起来REXML似乎并不关心文档编码是什么，并开始自动检测每个项目的编码...即使UTF-8是原始编码，我是否注定要对从REXML中提取的每个字符串执行encode('UTF-8')操作？这是怎么回事？

Answer 1

您正在Element上调用Node.to_s()。要获取实际文本，请将Element.get_text()添加到链中(并对其调用Text.to_s() )：

puts "  #{item}: #{item.get_text.to_s.encoding}"

输出：

doc: UTF-8
  <item>Test</item>: UTF-8
  <item>Über</item>: UTF-8
  <item>8</item>: UTF-8