Question

我试图解析收到的电子邮件,并希望将身体存储为数据库中的编码字符串 UTF-8 ,但我很快注意到,并非所有电子邮件都发送了 Content-Type 信头中的字符集信息。在尝试一些手动快速修补后,我决定请SO的友好人士帮忙。

老实说,我秘密地希望 String.encoding 自动返回字符串中使用的编码,然而,在我发送测试电子邮件给它之后,它总是显示 ASCII-8BIT 。当我执行 引号可打印 时,我开始出现这个问题,如果我同时获得一些 ;charset=blabla 信息,这个选项似乎有效。

input = input.gsub(/
/, "
").unpack("M*").first
if( charset )
  return input.force_encoding(charset).encode("utf-8")
end

# This is obviously wrong as the string is not always ISO-8859-1 encoded:
return input.force_encoding("ISO-8859-1").encode("utf-8")

我尝试了互联网上发现的若干“解决方案 ”, 但大多数似乎都与文件阅读/写作有关, 也试验了几颗宝石来检测编码(尽管似乎没有人真的玩这个把戏或已经非常过时 ) 。这应该是可能的,并且感觉答案似乎正视我的脸,希望这里的人能够对我的状况给予一些启发,并告诉我我到底做了什么错事。

using ruby 1.9.3

Answer 1

您可以使用“https://github.com/janx/chardet” rel=“no follow”>https://github.com/janx/chardet 来检测电子邮件文本的源编码。

示例如下:

irb(main):001:0> require  rubygems 
=> true
irb(main):002:0> require  UniversalDetector 
=> false
irb(main):003:0> p UniversalDetector::chardet( hello )
{"encoding"=>"ascii", "confidence"=>1.0}
=> nil

Answer 2

您是否尝试过“https://github.com/fac/cmes' rel=“nofollow”\\ strong>https://github.com/fac/cmes ?

-=YTET -伊甸园字幕组=- 翻译:

CMess bundles several tools under its hood that aim at dealing with various problems occurring in the context of character sets and encodings. Currently, there are:

guess_encoding:: Simple helper to identify the encoding of a given string. Includes the ability to automatically detect the encoding of an input.

[.]

友情链接