Ruby 1.9：将字节数组转换为具有多字节 UTF-8 字符的字符串

Posted 2023-02-24

【中文标题】Ruby 1.9：将字节数组转换为具有多字节 UTF-8 字符的字符串

【英文标题】：Ruby 1.9: Convert byte array to string with multibyte UTF-8 characters

【发布时间】：2011-05-24 21:39:42

【问题描述】：

我正在尝试在 Ruby 中找到一种方法来获取 UTF-8 字节数组并将其转换回字符串。

在 irb (Ruby 1.9.2 preview 3) 中，我可以从 UTF-8 字符串创建正确的字节数组：

ruby-1.9.2-preview3 > 'Café'.bytes.to_a
 => [67, 97, 102, 195, 169]

但是，我找不到从字节往返返回数组的方法。我尝试使用带有 U* 选项的 Array.pack，但这不适用于多字节字符。

ruby-1.9.2-preview3 > [67, 97, 102, 195, 169].pack('U*')
 => "Café"

有没有人知道一种方法来获取带有多字节字符的 UTF-8 字节数组并将其转换回字符串？

谢谢。

【参考方案1】：

这与pack 如何解释其输入数据有关。您的示例中的 U* 导致它将输入数据（假设是默认字符集，我假设；我真的找不到任何文档）到 UTF-8，因此双重编码。相反，只需打包字节并解释为 UTF-8：

irb(main):010:0> [67, 97, 102, 195, 169].pack('C*').force_encoding('utf-8')
=> "Café"

【参考方案2】：

您专门询问了字节数组，但也许代码点更合适：

ar = 'Café'.codepoints.to_a
# => [67, 97, 102, 233]
ar.pack('U*')
# => Café

【讨论】：

我可能会在另一个项目中使用它，但是对于这个我从字节数组开始，并且必须回到字符串。