Tanımlanmamış karakterleri korurken kodlama

Question

Burada db dışında bir dize var ãƒ\u008F ve ben onu unicode karakterine geri dönüştürmek istiyorum. Db'nin windows-1252 kodlamasını kullandığını biliyorum, bu yüzden asıl karakter, utf-8 kodlamasında ハ olan \xe3\x83\x8f olmalıdır. 0x8fwindows-1252 'ın kod sayfasında tanımlanmamış beri

Burada, şimdiye kadar

"ãƒ\u008F".encode('windows-1252') 
# => Encoding::UndefinedConversionError: U+008F to WINDOWS-1252 in conversion from UTF-8 to WINDOWS-1252 

"ãƒ\u008F".encode('windows-1252', undef: :replace) 
# => "\xE3\x83?" 

Bu makul denedim şeylerdir.

----------Windows-1252----------- 
    0 1 2 3 4 5 6 7 8 9 a b c d e f 
2 ! " # $ % & ' () * + , - ./
3 0 1 2 3 4 5 6 7 8 9 : ; <=> ? 
4 @ A B C D E F G H I J K L M N O 
5 P Q R S T U V W X Y Z [ \ ]^_ 
6 ` a b c d e f g h i j k l m n o 
7 p q r s t u v w x y z { | } ~ 
8 € � ‚ ƒ „ … † ‡ ˆ ‰ Š ‹ Œ � Ž � <---right here! 
9 � ‘ ’ “ ” • – — ˜ ™ š › œ � ž Ÿ 
a   ¡ ¢ £ ¤ ¥ ¦ § ¨ © ª « ¬ ­ ® ¯ 
b ° ± ² ³ ´ µ ¶ · ¸ ¹ º » ¼ ½ ¾ ¿ 
c À Á Â Ã Ä Å Æ Ç È É Ê Ë Ì Í Î Ï 
d Ð Ñ Ò Ó Ô Õ Ö × Ø Ù Ú Û Ü Ý Þ ß 
e à á â ã ä å æ ç è é ê ë ì í î ï 
f ð ñ ò ó ô õ ö ÷ ø ù ú û ü ý þ ÿ 

Benim sorum şu ki, tanımsız karakteri korurken nasıl kodlayabilirim? Yani, nasıl ben burada ne olup bittiğini belli belirsiz bir fikrim var

s = "ãƒ\u008F".some_magic_methods 
# => "\xE3\x83\x8F" 

s.force_encoding('utf-8') 
# => "ハ" 

Answer 1

alabilirsiniz, ama sorun uygun bir açıklama formüle yaşıyorum. Tabii

str = "ãƒ\u008F" 
str2 = str.chars.map {|c| c.encode('windows-1252').ord rescue c.ord } 
     .pack('C*').force_encoding('utf-8') 
puts str2 
# => ハ 

bu büyük metinler için oldukça verimsiz, ama umarım o yardım edeceğiz: Yine de burada en azından bir örnek olarak çalışan bir çözümdür. Eğer daha sonradan birşeyler varsa, geri döneceğim ve daha iyi bir açıklama yapmaya çalışacağım.