Ruby、Nokogiri：我如何确保在整个 nokogiri 解析、erb 模板和编码 HTML 文件中使用 UTF8

Question

我终于设法解析了网站的部分内容：

get '/' do
  url = '<website>'
  data = Nokogiri::HTML(open(url))
  @rows = data.css("td[valign=top] table tr") 
  erb :muster
end

现在我试图在我的视图中提取某行。因此我输入了 HTML 代码：

<%= @rows[2] %>

它实际上是 returns 代码，但是 UTF8 有问题：

<td class="class_name">&nbsp;</td>

而是说

<td class="class_name">�</td>

如何在 nokogiri 解析、erb 和 HTML 生成期间确保使用 UTF8？

Answer 1

在你的情况下，文档声明它是使用 iso8859 编码的：

<meta http-equiv="Content-Type" content="text/html;charset=iso-8859-1">

您可以执行以下操作以强制 Nokogiri 将流视为 UTF-8：

data = Nokogiri::HTML(open(url), nil, Encoding::UTF_8.to_s)

Ruby, Nokogiri: how do i ensure UTF8 throughout nokogiri parsing, erb template, and encoding HTML file