Ruby采集编码问题

汽车之家的网页

<meta charset="gb2312">

但在使用ruby进行处理时，使用gb2312在转码的时候会出现很多问题。而应该使用GB18030格式来转码。如：

str1 = "..."
str1.force_encoding("GB18030")

关于复杂汉字问题
GB2312 < GBK < GB18030

用GB18030，就够你用了。


再不够用，就去用UTF-8，保证都可以。



中文字符编码标准

2000年，国家出了标准GB18030-2000，简称GB18030，技术上兼容GBK而非GB13000，取代了 GBK1.0，成了正式的国家标准。该标准收录了 27484 个汉字，同时还收录了藏文、蒙文、维吾尔文等主要的少数民族文字。现在的PC平台必须支持 GB18030 ，对嵌入式产品暂不作要求。所以手机、MP3 一般只支持 GB2312。GB18030 在 Windows 中的代码页是 CP54936。

阅读量: 355
发布于:
修改于: