REXML和編碼

Question

任何人都可以爲我解釋這個結果嗎？

#!/usr/bin/env ruby 
# encoding: utf-8 

require 'rexml/document' 

doc = REXML::Document.new(DATA) 
puts "doc: #{doc.encoding}" 
REXML::XPath.each(doc, '//item') do |item| 
    puts " #{item}: #{item.to_s.encoding}" 
end 

__END__ 
<doc> 
    <item>Test</item> 
    <item>Über</item> 
    <item>8</item> 
</doc> 

輸出：

doc: UTF-8 
    <item>Test</item>: US-ASCII 
    <item>Über</item>: UTF-8 
    <item>8</item>: US-ASCII 

看起來好像REXML並不關心文檔編碼，並開始爲每個項目自動探測編碼...難道我註定要encode('UTF-8')每個字符串我拉儘管UTF-8是原始編碼，但是在REXML之外？這裏發生了什麼？

Answer 1

您在致電Element時致電Node.to_s()。爲了獲得實際的文本，添加Element.get_text()到您的鏈（和調用該Text.to_s()）：

puts " #{item}: #{item.get_text.to_s.encoding}" 

輸出：

doc: UTF-8 
    <item>Test</item>: UTF-8 
    <item>Über</item>: UTF-8 
    <item>8</item>: UTF-8