将 UTF-8 字符转换为正确的 ASCII 字符答案

【问题标题】：Converting UTF-8 characters into properly ASCII characters将 UTF-8 字符转换为正确的 ASCII 字符
【发布时间】：2013-11-11 19:46:20
【问题描述】：

我有字符串"V\355ctor"（我认为是Víctor）。有没有办法将其转换为 ASCII，其中 í 将被替换为 ASCII i？

我已经尝试过 Iconv 没有成功。（我只收到Iconv::IllegalSequence: "\355ctor"）

此外，Ruby 1.8.7 和 Ruby 2.0 之间是否有区别？

编辑： Iconv.iconv('UTF-8//IGNORE', 'UTF-8', "V\355ctor") 这似乎可行，但结果是 Vctor 而不是 Victor

【问题讨论】：

你需要走多远？您是只想去掉重音符号，还是也想将土耳其语的 ı 转换为简单的 i？
后者。我不想“忽略”这个字符，而是用一个简单的i 替换它
您输入的不是UTF-8，很可能是ISO-8859-1。并不是说这是您需要的答案，但是如果您从对输入字符串编码的错误假设开始，您将无法获得合理的转换。正确的 ASCII 翻译需要正确
@NeilSlater 说了什么。值八进制 355/十进制 237 后跟“c”的字节在 UTF-8 中是不合法的，其中“í”字符被编码为两个字节：八进制 303/十进制 195 后面跟着八进制 255/十进制 173。
谢谢 Neil 和 Mark，但是像 Iconv.iconv("ISO-8859-1", "ASCII", "V\355ctor") 这样的东西对我来说会引发 Iconv::IllegalSequence 错误（我已经尝试了很多组合）。

标签： ruby ascii

【解决方案1】：

我知道两种选择。

transliterate 来自 I18n gem。

$ irb
1.9.3-p448 :001 > string = "Víctor"
 => "Víctor" 
1.9.3-p448 :002 > require 'i18n'
 => true 
1.9.3-p448 :003 > I18n.transliterate(string)
 => "Victor"

来自stringex gem的Unidecoder。
```
Stringex::Unidecoder..decode(string)
```

更新：

在“V\355ctor”上运行 Unidecoder 时，会出现以下错误：

Encoding::CompatibilityError: incompatible encoding regexp match (UTF-8 regexp with IBM437 string)

嗯，也许你想先从 IBM437 翻译过来：

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

这可能会帮助您走得更远。请注意，自动检测到的编码可能不正确，如果您确切知道编码是什么，这将使一切变得容易得多。

【讨论】：

好像Víctor 是V\303\255ctor，而不是V\355ctor？您的示例运行良好，但 V\355ctor 为我返回 V?or。
I18n::InvalidLocale: :en is not a valid locale

【解决方案2】：

你想做的事叫transliteration。

最常用和维护最好的库是ICU。（iconv 也经常使用，但它有很多限制，比如你遇到的那个。）

粗略的Google search 会产生一些 Ruby ICU 包装器。恐怕我无法评论哪个更好，因为我承认我从未使用过它们中的任何一个。但这就是你想要使用的东西。

【讨论】：