为什么UTF-8字符串不等于Ruby 2.0中相应的ASCII-8BIT字符串？

Question

我使用Ruby 2.3：

我有以下字符串："\xFF\xFE"

我就包含它的文件做一个File.binread()，所以这个字符串的编码是ASCII-8BIT。但是，在我的代码中，我通过将字符串与"\xFF\xFE"（因为所有的Ruby字符串默认情况下编码为UTF-8）进行比较来检查该字符串是否确实被读取。

然而，比较返回false，即使两个字符串包含相同的字节 - 它只是碰巧，一个是与编码ASCII-8BIT，另一个是UTF-8

我有两个问题：（1）为什么它的回报false？ （2）什么是实现我想要的最好方法？我只想检查我读的字符串是否匹配"\xFF\xFE"

Answer 1

（1）为什么它返回false？

比较字符串时，它们必须是相同的编码，或者它们的字符必须在US-ASCII中可编码。

比较将按预期如果字符串仅包含字节值0至127：（0b0xxxxxxx）

a = 'E'.encode('ISO8859-1') #=> "E" 
b = 'E'.encode('ISO8859-15') #=> "E" 

a.bytes #=> [69] 
b.bytes #=> [69] 
a == b #=> true 

而如果它包含任何字节值失败128至255：（0b1xxxxxxx）

a = 'É'.encode('ISO8859-1') #=> "\xC9" 
b = 'É'.encode('ISO8859-15') #=> "\xC9" 

a.bytes #=> [201] 
b.bytes #=> [201] 
a == b #=> false 

您的字符串不能用US-ASCII表示，因为它的字节在其范围之外：

"\xFF\xFE".bytes #=> [255, 254] 

试图转换它不产生任何有意义的结果：

"\xFF\xFE".encode('US-ASCII', 'ASCII-8BIT', :undef => :replace) 
#=> "??" 

字符串因此将返回false被比较，以另一种编码的字符串时，无论其内容。

（2）什么是最好的方式去实现我想要的？

您可以将您的字符串与具有相同编码的字符串进行比较。 binread返回一个字符串在ASCII-8BIT编码，因此您可以使用b来创建一个兼容的一个：

IO.binread('your_file', 2) == "\xFF\xFE".b 

，或者你可以比较其bytes：

IO.binread('your_file', 2).bytes == [0xFF, 0xFE]