Ruby 1.9 regex encoding

Question

Я разобрал этот фид http://www.sixapart.com/labs/update/developers/ с nokogiri, а затем запустил некоторое регулярное выражение по содержимому некоторых тегов. Содержимое UTF-8 в основном, но иногда коррумпировано. Тем не менее, для моего случая мне все равно, и мне просто нужно передать правильные части контента, поэтому я рад рассматривать данные как двоичные/ASCII-8BIT. Проблема в том, что независимо от того, что я делаю, регулярные выражения в моем скрипте рассматриваются как UTF-8 или ASCII. Независимо от того, для чего я установил комментарий для кодировки, или что я делаю для создания регулярного выражения.

Есть ли решение для этого? Могу ли я заставить регулярное выражение бинарно? Могу ли я сделать gsub без регулярного выражения? (Я просто заменяю & amp; с &)

Answer 1

Вы должны кодировать начальную строку и использовать опцию FIXEDENCODING.

1.9.3-head :018 > r = Regexp.new("chars".force_encoding("binary"), Regexp::FIXEDENCODING) 
=> /chars/ 
1.9.3-head :019 > r.encoding 
=> #<Encoding:ASCII-8BIT> 

Answer 2

Strings имеют свойство кодирования. Попробуйте использовать метод String#force_encoding перед применением регулярного выражения.

UPD: Для того, чтобы сделать ваше регулярное выражение будет ASCII, посмотрите на принятый ответ здесь: Ruby 1.9: Regular Expressions with unknown input encoding

def get_regex(pattern, encoding='ASCII', options=0) 
    Regexp.new(pattern.encode(encoding),options) 
end