La cadena # no codifica el error "secuencia de bytes no válida en UTF-8" error
Sé que hay muchas preguntas similares sobre este error, y he intentado muchas de ellas sin suerte. El problema que tengo tiene que ver con el byte\xA1
y esta tirando
ArgumentError: secuencia de bytes no válida en UTF-8
He intentado lo siguiente sin éxito:
"\xA1".encode('UTF-8', :undef => :replace, :invalid => :replace,
:replace => "").sub('', '')
"\xA1".encode('UTF-8', :undef => :replace, :invalid => :replace,
:replace => "").force_encoding('UTF-8').sub('', '')
"\xA1".encode('UTF-8', :undef => :replace, :invalid => :replace,
:replace => "").encode('UTF-8').sub('', '')
Cada línea arroja el error para mí. ¿Qué estoy haciendo mal?
ACTUALIZAR:
Las líneas anteriores fallan solo en IRB. Sin embargo, modifiqué mi aplicación para codificar líneas de un archivo CVS usando el mismo método y argumentos de codificación String #, y obtengo el mismo error al leer la línea de unaexpediente (nota: funciona si realiza las operaciones en la misma cadena sin utilizar IO).
bad_line = "col1\tcol2\tbad\xa1"
bad_line.sub('', '') # does NOT fail
puts bad_line # => col1 col2 bad?
tmp = Tempfile.new 'foo' # write the line to a file to emulate real problem
tmp.puts bad_line
tmp.close
tmp2 = Tempfile.new 'bar'
begin
IO.foreach tmp.path do |line|
line.encode!('UTF-8', :undef => :replace, :invalid => :replace, :replace => "")
line.sub('', '') # fail: invalid byte sequence in UTF-8
tmp2.puts line
end
tmp2.close
# this would fail if the above error didn't halt execution
CSV.foreach(tmp2.path) do |row|
puts row.inspect # fail: invalid byte sequence in UTF-8
end
ensure
tmp.unlink
tmp2.close
tmp2.unlink
end