使用字符串#encode

从Ruby 1.9开始，在字符串编码之间进行转换的官方方式是使用字符串#encode。
要简单地删除非ASCII字符，可以执行以下操作：

some_ascii   = "abc"
some_unicode = "áëëçüñżλφθΩ𠜎😸"
more_ascii   = "123ABC"
invalid_byte = "\255"

non_ascii_string = [some_ascii, some_unicode, more_ascii, invalid_byte].join

# See String#encode documentation

encoding_options = {
  :invalid           => :replace,  # Replace invalid byte sequences
  :undef             => :replace,  # Replace anything not defined in ASCII
  :replace           => '',        # Use a blank for those replacements
  :universal_newline => true       # Always break lines with \n
}

ascii = non_ascii_string.encode(Encoding.find('ASCII'), encoding_options)
puts ascii.inspect
  # => "abce123ABC"

请注意，结果中的前5个字符是“abce1”--丢弃了“á”，丢弃了一个“ë”，但另一个“ë”似乎已转换为“e”。
这样做的原因是有时有多种方式来用Unicode来表达相同的书写字符。“á”是一个单一的Unicode码点。第一个“ë”也是如此。当Ruby在转换过程中看到它们时，它会丢弃它们。
但第二个“ë”是两个代码点：一个普通的“e”，就像您在ASCII字符串中看到的一样，后面跟着一个“组合变音符号”(this one)，意思是“在前一个字符上加一个变音符号”。在Unicode字符串中，这些字符被解释为单个“字素”或可见字符。在转换时，Ruby保留普通的ASCII“e”，并丢弃组合标记。
如果您决定要提供一些特定的替换值，您可以这样做：

REPLACEMENTS = { 
  'á' => "a",
  'ë' => 'e',
}

encoding_options = {
  :invalid   => :replace,     # Replace invalid byte sequences
  :replace => "",             # Use a blank for those replacements
  :universal_newline => true, # Always break lines with \n
  # For any character that isn't defined in ASCII, run this
  # code to find out how to replace it
  :fallback => lambda { |char|
    # If no replacement is specified, use an empty string
    REPLACEMENTS.fetch(char, "")
  },
}

ascii = non_ascii_string.encode(Encoding.find('ASCII'), encoding_options)
puts ascii.inspect
  #=> "abcaee123ABC"

更新

有些人报告了:universal_newline选项的问题。我断断续续地看到了这一点，但一直无法追查原因。
当它发生时，我看到了Encoding::ConverterNotFoundError: code converter not found (universal_newline)。然而，在一些RVM更新之后，我只是在以下Ruby版本下运行了上面的脚本，没有任何问题：

• Ruby-1.9.2-P290
• Ruby-1.9.3-p125
• Ruby-1.9.3-p194
• Ruby-1.9.3-p362
• ruby-2.0.0-预览2
• Ruby头(截至2012-12-31)

鉴于此，它似乎不是Ruby中的一个弃用功能，甚至也不是一个错误。如果有人知道原因，请发表评论。

class String
 def remove_non_ascii(replacement="") 
   self.gsub(/[\u0080-\u00ff]/, replacement)
 end
end

以下是我使用Iconv的建议。

class String
  def remove_non_ascii
    require 'iconv'
    Iconv.conv('ASCII//IGNORE', 'UTF8', self)
  end
end

如果您有积极的支持，您可以使用I18n.音译

I18n.transliterate("áëëçüñżλφθΩ𠜎")
"aee?cunz?????"

或者如果你不想要问号..。

I18n.transliterate("áëëçüñżλφθΩ𠜎", replacement: "")
"aeecunz"

请注意，这不会删除无效的字节序列，而只是替换非ASCII字符。对于我的用例，这就是我想要的，而且很简单。

在@masakielact的帮助下，我使用#chars方法解决了这个问题。
诀窍是将每个字符分解成**它自己的单独块*，这样Ruby就可以失败*。
当Ruby遇到二进制代码等问题时，它需要失败。如果你不允许Ruby继续前进并失败，那么当涉及到这些事情时，这是一条艰难的道路。因此，我使用字符串#chars方法将给定的字符串分解为一个字符数组。然后，我将该代码传递到一个清理方法中，该方法允许代码在字符串中具有“微故障”(我的新词)。
因此，给定一个“脏”字符串，假设您在图片上使用了File#read。(我的案例)

dirty = File.open(filepath).read    
clean_chars = dirty.chars.select do |c|
  begin
    num_or_letter?(c)
  rescue ArgumentError
    next
  end
end
clean = clean_chars.join("")

def num_or_letter?(char)
  if char =~ /[a-zA-Z0-9]/
    true
  elsif char =~ Regexp.union(" ", ".", "?", "-", "+", "/", ",", "(", ")")
    true
  end
end

class String
  def strip_control_characters
    self.chars.reject { |char| char.ascii_only? and (char.ord < 32 or char.ord == 127) }.join
  end
end

Quick GS揭示了this discussion，这表明了以下方法：

class String
  def remove_nonascii(replacement)
    n=self.split("")
    self.slice!(0..self.size)
    n.each { |b|
     if b[0].to_i< 33 || b[0].to_i>127 then
       self.concat(replacement)
     else
       self.concat(b)
     end
    }
    self.to_s
  end
end

不，除了基本字符之外，并不缺少删除所有字符(这是上面推荐的)。最好的解决方案是正确地处理这些名称(因为现在大多数文件系统在Unicode名称方面没有任何问题)。如果你的用户粘贴了连字，他们肯定会想要把它们也拿回来。如果文件系统是您的问题，请将其抽象出来，并将文件名设置为某个MD5(这也允许您轻松地将上传内容碎片到存储桶中，这些存储桶扫描速度非常快，因为它们从来不会有太多条目)。

这应该会起到作用：

ascii_only_str = str.gsub(/[^[:ascii:]]/, '')