将UTF-8字符转换为正确的ASCII字符

Question

我有一个字符串"V\355ctor"（我认为应该是Víctor）。是否有一种方法将其转换为ASCII，其中í将被替换为ASCII i？

我已经尝试了Iconv，但没有成功。（我只得到了Iconv::IllegalSequence: "\355ctor"）

此外，Ruby 1.8.7和Ruby 2.0之间有什么区别吗？

编辑：Iconv.iconv('UTF-8//IGNORE', 'UTF-8', "V\355ctor")似乎可以工作，但结果是Vctor而不是Victor。

- Benedikt B

---

你需要做多少工作？你只是想去掉重音，还是也想将土耳其的 ı 转换为简单的 i？ - mu is too short

只需要用一个简单的 i 替换它，我不想“忽略”这个字符。 - Benedikt B

你的输入不是 UTF-8，很可能是 ISO-8859-1。虽然这不是你需要的答案，但如果你从错误的假设开始关于输入字符串的编码方式，就无法得到合理的转换。为了获得正确的 ASCII 翻译，必须正确设置编码方式。 - Neil Slater

就像@NeilSlater所说的那样。 值为八进制355 / 十进制237的字节后跟一个“c”在UTF-8中是不合法的，其中“í”字符编码为两个字节：八进制303 / 十进制195后跟八进制255 / 十进制173。 - Mark Reed

谢谢Neil和Mark，但是像Iconv.iconv("ISO-8859-1", "ASCII", "V\355ctor")这样的东西对我来说会引发Iconv::IllegalSequence错误（我已经尝试了很多组合）。 - Benedikt B

Answer 1

我知道两种选择。

1. transliterate from the I18n gem.

   $ irb
   1.9.3-p448 :001 > string = "Víctor"
    => "Víctor" 
   1.9.3-p448 :002 > require 'i18n'
    => true 
   1.9.3-p448 :003 > I18n.transliterate(string)
    => "Victor"
   

2. Unidecoder from the stringex gem.

   Stringex::Unidecoder..decode(string)
   

更新：

在运行Unidecoder时，输入“V\355ctor”，会出现以下错误：

Encoding::CompatibilityError: incompatible encoding regexp match (UTF-8 regexp with IBM437 string)

嗯，也许你想先从IBM437转换：

string.force_encoding('IBM437').encode('UTF-8')

这可能会帮助您进一步了解。请注意，自动检测的编码可能不正确，如果您确切知道编码是什么，那么这将使一切变得更加容易。

- Mark Thomas

---

看起来Víctor应该是V\303\255ctor，而不是V\355ctor？您的例子可行，但对于我来说，V\355ctor返回V?or。 - Benedikt B

I18n::InvalidLocale: :en 不是一个有效的语言环境 - A.D.

Answer 2

你想做的事情叫做音译。

最常用且维护最好的库是ICU。（Iconv也经常被使用，但它有许多限制，比如你遇到的那个。）

简单的谷歌搜索会得到一些 Ruby ICU 封装器。恐怕我无法评论哪一个更好，因为我承认从未使用过它们。但这是你想要使用的东西。

- Denis de Bernardy