如何在Nokogiri::XML::DocumentFragment中使用Unicode字符

Question

我想在Nokogiri::XML::DocumentFragment中使用Unicode char。

frag = Nokogiri::XML::DocumentFragment.parse("<foo>ü</foo>")
=> <foo>&#xFC;</foo>

对unicode字符进行转义。我需要设置encoding: 'UTF-8'以获得可读的字符。

frag.to_html(encoding: 'UTF-8')
=> "<foo>ü</foo>"

解析字符串时是否有编码选项？

Nokogiri::HTML::DocumentFragment.parse按照我的预期处理字符串，但我需要使用XML。

frag = Nokogiri::HTML::DocumentFragment.parse("<foo>ü</foo>")
=> <foo>ü</foo>

Answer 1

根据文档这里，文本已经在内部存储为UTF-8。

字符串在内部总是以UTF-8的形式存储.返回文本值的方法将始终返回UTF-8编码的字符串。返回XML (如to_xml、to_html和inner_html)的方法将返回与源文档一样编码的字符串。

因此，如果您在#text上调用frag，而不是打印整个frag对象，您将看到打印正确

puts frag.text
# => ü

否则，您可以直接使用#XML而不是#DocumentFragment，并显式传递编码。

doc = Nokogiri.XML('<foo>ü</foo>', nil, 'UTF-8')
puts doc

# => <?xml version="1.0" encoding="UTF-8"?>
# => <foo>ü</foo>