删除格式错误的文本中的特殊字符

Question

我遇到了一些格式错误的文字，似乎无法找到删除特殊字符的通用方法。

这是网站上显示的文字：Technological�\x00 Sciences。 String#force_encoding('UTF-8')结果：Technological\u0000 Sciences，仍然导致Nokogiri提前终止。

我可以做一个快速而又脏的gsub "Technological\u0000 Sciences".gsub(/\u0000/,'')，但是想知道是否有更通用的解决方案，或者Nokogiri或ruby中的配置是否也有效？

Answer 1

你可以试试这个：

"Technological�\x00 Sciences".gsub(/[^[:alnum:][:space:][:punct:]]/, '')

Answer 2

你可以这样做：

[29] pry(main)> str
=> "Technological�\u0000 Sciences"
[30] pry(main)> str.scan(/[a-zA-Z]{2,}/).join(' ')
=> "Technological Sciences"