`gsub'：不兼容的字符编码：UTF-8 和 IBM437答案

【问题标题】：`gsub': incompatible character encodings: UTF-8 and IBM437`gsub'：不兼容的字符编码：UTF-8 和 IBM437
【发布时间】：2012-01-14 06:52:06
【问题描述】：

我尝试使用搜索，谷歌，但没有运气。

操作系统：Windows XP Ruby 版本 1.9.3po

错误：

`gsub'：不兼容的字符编码：UTF-8 和 IBM437

代码：

require 'rubygems'
require 'hpricot'
require 'net/http'

source = Net::HTTP.get('host', '/' + ARGV[0] + '.asp')


doc = Hpricot(source) 

doc.search("p.MsoNormal/a").each do |a|
  puts a.to_plain_text
end

程序输出几个字符串，但是当文本为“NOŻYCE”时，我收到上面的错误。有人可以帮忙吗？

【问题讨论】：

标签： ruby parsing encoding utf-8

【解决方案1】：

您可以尝试将您的 HTML 转换为 UTF-8，因为原来的格式似乎是复古复古 DOS 格式：

source.encode!('UTF-8')

这应该按照 Hpricot 解析器的预期将其从 8 位 ASCII 转换为 UTF-8。

【讨论】：

谢谢，我尝试了您的解决方案，但出现新错误：encode!: "\xCA" from ASCII-8BIT to UTF-8 :/
您可能不得不强制对源代码进行编码：source.force_encoding('IBM437').encode('UTF-8')？在任何情况下，\xCA 是 ╩ 而不是您所拥有的 Ż，所以 IBM437 可能是错误的，应该用它实际上是什么来替换。
感谢帮助，现在我尝试：source.force_encoding('IBM437').encode('iso-8859-2') 并且我遇到错误：encode: u+2569 to ISO-8859 -2 从 IBM437 转换为 UTF-8

【解决方案2】：

源变量的内部编码是 UTF-8，但这不是你想要的。

正如 tadman 所写，您必须首先告诉 Ruby，字符串中的实际字符采用 IBM437 编码。然后，您可以将该字符串转换为您喜欢的编码，但前提是可以进行这种转换。

source.force_encoding('IBM437').encode('UTF-8')

在您的情况下，您无法将字符串转换为 ISO-8859-2，因为并非所有 IBM437 字符都可以转换为该字符集。坚持使用 UTF-8 可能是您的最佳选择。

无论如何，您确定该文件实际上是在 IBM437 中传输的吗？也许它是这样存储在 HTTP 服务器中的，但它是使用另一种编码通过网络发送的。或者它甚至可能不完全是 IBM437，它可能是 CP852，也称为 MS-DOC Latin 2（不同于 ISO Latin 2）。

【讨论】：

感谢您的回复。我最后用 Java 做到了。