Удалить не-UTF символы из строки в Ruby?

Вы можете сделать это так

# encoding: utf-8

class String
  def validate_encoding
    chars.select(&:valid_encoding?).join 
  end
end

puts "testing\xC2 a non UTF-8 string".validate_encoding
#=>testing a non UTF-8 string

Попробуйте Iconv

1.9.3p194 :001 > require 'iconv'
# => true 
1.9.3p194 :002 > string = "testing\xC2 a non UTF-8 string"
# => "testing\xC2 a non UTF-8 string" 
1.9.3p194 :003 > ic = Iconv.new('UTF-8//IGNORE', 'UTF-8')
# => #<Iconv:0x000000026c9290> 
1.9.3p194 :004 > ic.iconv string
# => "testing a non UTF-8 string" 

Лучшее решение этой проблемы, которое я нашел, это ответ на тот же вопрос: https://stackoverflow.com/a/8711118/363293 .

Короче говоря: "€foo\xA0".chars.select(&:valid_encoding?).join

Вы можете использовать кодирование для этого. text.encode('UTF-8', :invalid => :replace, :undef => :replace)

Для получения дополнительной информации посмотрите в Ruby-Docs

Вы можете использовать /n, как в

text.gsub!(/\xC2/n, '')

, чтобы заставить Regexp работать с байтами.

Вы уверены, что это то, что вы хотите? Любой символ Unicode в диапазоне [U + 80, U + BF] будет иметь \xC2 в кодированной форме UTF-8.

Ваш текст имеет кодировку ASCII-8BIT, вместо этого вы должны использовать это:

String.delete!("^\u{0000}-\u{007F}"); 

Он будет служить той же цели.

data = '' if not (data.force_encoding("UTF-8").valid_encoding?)