如何刪除Ruby中字符串中的垃圾郵件？

Question

我有一個字符串變量的內容如下：

str = "abc�" 

如何檢查並刪除字符串是否有這樣的「」符號或者不Ruby on Rails的？

Answer 1

（1）你得到的，當你有

str.inspect

顯示？ （2）如果你知道，你的字符串允許的字符範圍是什麼，你可以反過來替換任何不在這個範圍內的字符。

Answer 2

字符「 」是U+FFFD REPLACEMENT CHARACTER in Unicode。如果字符串字面包含的字符，然後刪除它是那樣簡單：

cleaned_string = str.gsub "�", '' 

或（假設你想避免在您鍵入代碼字符「」）：

cleaned_string = str.gsub "\ufffd", '' 

維基說這個關於這個字符：

它被用來表示系統無法將數據流渲染到正確的符號時的問題。

所以很可能你真正的問題是你沒有正確處理這個字符串的來源 - 很可能這是一個編碼問題。例如，如果字符串最初是abcé，但是採用ISO-8859-1編碼，但某些系統將其解釋爲UTF-8，那麼最終字符é將無效，該系統可能會將其顯示爲「 」 ，這是你的程序看到的。 （維基百科頁面有另一個例子。）

如果這是一個編碼問題，那麼根據這些數據來自何處可能爲時過晚對於你做任何事情，真正的數據可能已經丟失，最好的你可以做的是去掉這些字符（或者你可能更願意留下它們來指出哪裏出現問題）。否則，在將數據讀入程序時需要小心，將其讀取爲適當的編碼，以免數據丟失。

如果字符編碼對您來說完全是新的，那麼開始瞭解它們的好地方是Joel Spolsky的文章The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)。