ruby - texto - convertir xml a utf 8

¿Hay alguna forma de eliminar la lista de materiales de un archivo codificado en UTF-8?

Question

¿Hay alguna forma de eliminar la lista de materiales de un archivo codificado en UTF-8?

Sé que todos mis archivos JSON están codificados en UTF-8, pero la persona que ingresó los datos que los editó los guardó como UTF-8 con la lista de materiales.

Cuando ejecuto mis scripts de Ruby para analizar el JSON, está fallando con un error. No quiero abrir manualmente más de 58 archivos JSON y convertirlos a UTF-8 sin la lista de materiales.

Answer 1

Entonces, ¡la solución fue hacer una búsqueda y reemplazo en la lista de materiales a través de gsub! Forcé la codificación de la cadena a UTF-8 y también forcé que el patrón de expresiones regulares se codificara en UTF-8.

Pude encontrar una solución en http://self.d-struct.org/195/howto-remove-byte-order-mark-with-ruby-and-iconv y http://blog.grayproductions.net/articles/ruby_19s_string

def read_json_file(file_name, index)
  content = ''''
  file = File.open("#{file_name}//game.json", "r") 
  content = file.read.force_encoding("UTF-8")

  content.gsub!("/xEF/xBB/xBF".force_encoding("UTF-8"), '''')

  json = JSON.parse(content)

  print json
end

Answer 2

La codificación "bom | UTF-8" funciona bien si solo lees el archivo una vez, pero falla si alguna vez llamas rebobinado del archivo #, como estaba haciendo en mi código. Para abordar esto, hice lo siguiente:

def ignore_bom
  @file.ungetc if @file.pos==0 && @file.getc != "/xEF/xBB/xBF".force_encoding("UTF-8")
end

que parece funcionar bien. No estoy seguro de si hay otros caracteres de tipo similar a los que hay que tener en cuenta, pero podrían incorporarse fácilmente en este método al que se puede llamar en cualquier momento en que rebobine o abra.

Answer 3

Servidor de limpieza del lado de utf-8 bom bytes que funcionó para mí:

csv_text.gsub!("/xEF/xBB/xBF".force_encoding(Encoding::BINARY), '''')

Answer 4

También puede especificar la codificación con los métodos File.read y CSV.read , pero no especifica el modo de read .

File.read(path, :encoding => ''bom|utf-8'')
CSV.read(path, :encoding => ''bom|utf-8'')

Answer 5

Con ruby> = 1.9.2 puedes usar el modo r:bom|utf-8

Esto debería funcionar (no lo he probado en combinación con json):

json = nil #define the variable outside the block to keep the data
File.open(''file.txt'', "r:bom|utf-8"){|file|
  json = JSON.parse(file.read)
}

No importa si la lista de materiales está disponible en el archivo o no.

Andrew comentó que el File#rewind no se puede usar con BOM.

Si necesita una función de rebobinado, debe recordar la posición y reemplazar el rewind con pos= :

#Prepare test file
File.open(''file.txt'', "w:utf-8"){|f|
  f << "/xEF/xBB/xBF" #add BOM
  f << ''some content''
}

#Read file and skip BOM if available
File.open(''file.txt'', "r:bom|utf-8"){|f|
  pos =f.pos
  p content = f.read  #read and write file content
  f.pos = pos   #f.rewind  goes to pos 0
  p content = f.read  #(re)read and write file content
}