ruby - Ruby `split': UTF-8 の無効なバイトシーケンス (ArgumentError)

Question

ムービーオブジェクトを設定しようとしていますが、u.itemファイルを解析するときに次のエラーが発生します。

`split': UTF-8 の無効なバイトシーケンス (ArgumentError)

File.open("Data/u.item", "r") do |infile|
            while line = infile.gets
                line = line.split("|")
            end
end

このエラーは、派手な国際句読点で行を分割しようとした場合にのみ発生します。

これがサンプルです

543|ミゼラブル、レ (1995)|01-Jan-1995||http://us.imdb.com/M/title-exact?Mis%E9rables%2C%20Les%20%281995%29|0|0| 0|0|0|0|0|0|1|0|0|0|1|0|0|0|0|0|0

回避策はありますか??

score 21 · Accepted Answer

各行のエンコードをiso-8859-1（ヨーロッパの文字セット）に強制する必要がありました... http：//en.wikipedia.org/wiki/ISO/IEC_8859-1

a=[]
IO.foreach("u.item") {|x| a << x}
m=[]
a.each_with_index {|line,i| x=line.force_encoding("iso-8859-1").split("|"); m[i]=x}

score 13 · Accepted Answer

Rubyは文字エンコードの問題にやや敏感です。あなたはあなたの問題を解決するかもしれない多くのことをすることができます。例えば：

ソースファイルの先頭にエンコーディングコメントを配置します。
```
# encoding: utf-8
```
分割する前に、行を明示的にエンコードします。
```
line = line.encode('UTF-8').split("|")
```
Encoding :: InvalidByteSequenceError例外を発生させる代わりに、無効な文字を置き換えます。
```
line.encode('UTF-8', :invalid => :replace).split("|")
```

これらの提案を試してみて、どれもうまくいかない場合は質問を更新してください。それが役に立てば幸い！

ruby - Ruby `split': UTF-8 の無効なバイト シーケンス (ArgumentError)