如何在Ruby中处理Unicode字符串？

Question

在Ruby教程中看到了以下构造：

irb(main):001:0> "abc".each_byte { |c| printf "<%c>", c }
<a><b><c>=> "abc"

但是，如果我将字符串Здравствуйте!代替abc，我会得到

irb(main):003:0> "Здравствуйте!".each_byte { |c| printf "<%c>", c }
<Ð><><Ð><´><Ñ><><Ð><°><Ð><²><Ñ><><Ñ><><Ð><²><Ñ><><Ð><¹><Ñ><><Ð><µ><!>=> "Здравствуйте!"

如何处理Unicode字符串？

irb(main):005:0> RUBY_VERSION
=> "1.9.3"

Answer 1

▶ "Здравствуйте!".each_char { |c| printf "<%c>", c }
# ⇒ <З><д><р><а><в><с><т><в><у><й><т><е><!>=> "Здравствуйте!"

字节是字节，而char是char，由字节组成。

Answer 2

一个字节是8位。但是，当存储在您的计算机上时，unicode字符可能会占用多个字节。例如，假设一些unicode字符的整数代码是8,000，这实际上是存储在您的计算机上的。当ruby读入8,000时，ruby知道代表一些unicode字符。但是，8,000不能存储在您的计算机上的一个字节中（可以存储在一个字节中的最大数字是1111 1111，即255）。如果你告诉ruby你的计算机上存储的8,000字节的每个字节代表一个字符，即通过调用each_byte（），那么ruby将永远不会看到8,000。相反，ruby会读取8,000个片段并认为代表一个字符，然后读取另一个8,000个片段并认为代表另一个角色。

each_byte（）告诉ruby忽略字节簇，并且一次只读取一个字节，然后确定该字节中存储的整数表示什么字符。