Ruby 正则表达式的 match 遇到中文时出现 “invalid byte sequence in GBK” 问题

mrlaoba · 2013年09月20日 · 最后由 chanshunli 回复于 2014年03月25日 · 7047 次阅读

用自己写的一个正则表达式逐行匹配一个文件的内容的时，遇到中文就跳出错误：

test.rb:8:in `match': invalid byte sequence in GBK (ArgumentError)
        from test.rb:8:in `block in <main>'
        from test.rb:6:in `each'
        from test.rb:6:in `<main>'

试过在代码文件第一行中加入：# -- coding:utf-8 -- 也试过 ruby 命令上加上：--encoding=utf-8 不能解决问题。想问下大家问题出在哪？怎么解决该问题。（刚开始学 ruby，大神们勿喷）

程序：

reg_ct = /create table ([a-z_]+)/
fr = "crebas.sql"
file = File.new(fr)
file.each do |line|
    #puts line
    if reg_ct.match(line)
        puts line
    else
        puts line
    end
end
file.close

环境： OS：win7 ruby: Ruby1.9.3

nightire #1 2013年09月20日

先将文件内容转换 -> utf-8，然后再处理。详见：http://ruby-china.org/topics/1223

mrlaoba #2 2013年09月21日

#1 楼 @nightire 谢谢 nightire 的回答。昨天试了下在 match 前添加下面代码解决了问题。

line.force_encoding("UTF-8")

然后又试了下你给的方法。读文件时使用下面代码：

file = File.new(fr).tap{|f| f.set_encoding 'utf-8','GBK'}

mrlaoba #3 2013年09月21日

后来观察发现我的文件的编码方式是 UTF8 的，也就是外编码（external encoding）是 UTF8，读进来后的内编码（internal encoding）是 GBK 的。match 把一个 UTF8 的字节流当成 GBK 去处理，然后问题就出现了。

line.force_encoding("UTF-8")   #是修改内编码为UTF8
set_encoding 'utf-8','GBK‘     #是将字节流转换成GBK格式的（外编码仍为UTF8）

匿名 #4 2014年03月25日

C:\Users\Administrator\blog>gem install mime-types -v '1.25.1' ERROR: While executing gem ... (ArgumentError) invalid byte sequence in GBK 请问这是在那里改？谢谢！

1 个赞

需要登录后方可回复, 如果你还没有账号请注册新账号