"龅"的UTF-8编码是E9BE85,Unicode编码为U+9F85。以下代码未按预期工作:
irb(main):004:0> "龅"
=> "\351\276\205"
irb(main):005:0> Iconv.iconv("unicode","utf-8","龅").to_s
=> "\377\376\205\237"
附注:我正在使用Ruby1.8.7。
Ruby 1.9+比1.8.7更擅长处理Unicode,因此,如果可能的话,强烈建议使用1.9.2版本。
问题的一部分在于1.8无法理解UTF-8或Unicode字符可能超过一个字节的长度。1.9可以理解这一点,并引入了像String#each_char这样的东西。
require 'iconv'
# encoding: UTF-8
RUBY_VERSION # => "1.9.2"
"龅".encoding # => #<Encoding:UTF-8>
"龅".each_char.entries # => ["龅"]
Iconv.iconv("unicode","utf-8","龅").to_s # =>
# ~> -:8:in `iconv': invalid encoding ("unicode", "utf-8") (Iconv::InvalidEncoding)
# ~> from -:8:in `<main>'
要使用Iconv获取可用编码列表,请执行以下操作:
require 'iconv'
puts Iconv.list
"%04x" % "龅".unpack("U*")[0]
=> "9f85"
建议使用UNICODEBIG//
作为目标编码
irb(main):014:0> Iconv.iconv("UNICODEBIG//","utf-8","龅")[0].each_byte {|b| puts b.to_s(16)}
9f
85
=> "\237\205"