Ruby 菜鸟代码拍砖

tommylike — Thu, 29 Oct 2015 15:53:23 +0800

公司最近组织了一个技能鉴定，试题如下: 有一个采用 CP936 编码（也称为 GBK）的文本文件，名字为 a.txt，该文件中存在一些连续重复的内容，比如“HelloHello”，“国庆 60 周年国庆 60 周年”，这是因为作者在编辑的时候不小心而导致的错误，现在要求你编写一个程序来自动更正它，并且为了满足国际化的要求，必须使用小端模式的 UTF-16 编码来另存为新文件 (b.txt)，具体的去重规则是：
程序对该文件进行分析处理，将上面提到的连续重复两次的内容删除掉重复部分，只保留原始内容。其它不涉及重复的部分保持原样不变。并且，只有被重复的字符串超过 3 个字符（注意是字符，不是字节）的时候，才算重复，小于或等于 3 个字符的则不需要处理

require 'pathname'
def magic_change(file)      
    begin   
        #read file      
        return unless File.exists? file
        original_string = IO.read(file,:encoding=>'GBK').encode!('UTF-8')
        #deduplicate characters     
        original_string =original_string.gsub(/([\S]{4,})\1/){Regexp.last_match[1]}
        #write file
        File.open(Pathname.new(File.join(__dir__,'b.txt')).cleanpath,"w:UTF-16LE") do |file|
            file.write original_string
        end
    rescue =>error
        p error
    end
end

magic_change(ARGV[0])

本题解法中的正则应该是没有问题的的，社区大神们看下对代码中的 ruby 规范，优化，异常处理，常见函数用法等方面有没有更好的建议或者问题，最终目标是写一份正统的 ruby 代码。

tommylike (Hu Sheng)

Ruby 菜鸟代码拍砖