Ruby RSSの文字置換について

質問

RubyでRSSリーダーを作成しているのですが、
読み込んだRSSのエンコード(utf-8)とプログラムのエンコード(cp932)が異なるため、
エラーが発生しました。

＜プログラム＞
-------------------------------------------------------
# encoding: cp932

require 'open-uri'
require 'rss'

xml = nil
open("http://codezine.jp/rss/new/20/index.xml") { |http|
　　　xml = http.read
}
rss = RSS::Parser.parse(xml.force_encoding("utf-8"))
puts "#{rss.channel.title.encode('cp932', 'utf-8')}"\
+ "#{rss.channel.pubDate.strftime("%Y/%m/%d %X")}"

rss.items.each do |item|
　　　puts '--------------------------'
　　　puts item.title.encode('cp932', 'utf-8')
　　　puts item.pubDate.strftime("%Y/%m/%d %X")
　　　puts item.description.encode('cp932', 'utf-8')
end

------------------------------------------------------

＜エラーメッセージ＞
------------------------------------------------------
rss_r.rb:18:in `encode': U+2013 from UTF-8 to Windows-31J (Encoding::UndefinedConversionError)
------------------------------------------------------

以下のサイトを参考にして文字を置換しようと思ったのですが、
http://qiita.com/yugo-yamamoto/items/0c12488447cb8c2fc018
rssはStringクラスではないため、trメソッドが使えません。
どのようにすれば文字を置換できるのか教えていただけますでしょうか。

回答No.2

notnot · ベストアンサー

＞無事正常に出力されましたが、この書き方であってますでしょうか。

良いと思います。

エンコーディング変換の別の方法は、あらかじめ、
STDOUT.set_encoding("CP932")
としておけば、あとは単に puts すれば自動的に変換してくれたりもします。

また、出力先が、ファイルやパイプで無くコマンドプロンプトのコンソール表示の場合は、
ユニコードのままで、よしなに表示してくれます。

＞変換できなかった文字は「-」で、「？」で出力されました。

特定の文字だけおかしいなら、その文字を tr しておけばいいと思います。
それ以外の変換不能文字が今後出てて来るかもしれないので、
:replace=> は無指定もしくは"〓"(下駄記号)のように明らかに変換不能とわかる方がいいです。

お礼

再度回答ありがとうございます。

>STDOUT.set_encoding("CP932")

このやり方だと何度もCP932を記述しなくて済むので便利ですね。

また、コンソール出力では改めてエンコーディングしなくても、
プログラムのエンコードで表示してくれるのですね。
実際に試してみたらきちんと表示されました。

>:replace=> は無指定もしくは"〓"(下駄記号)のように明らかに変換不能とわかる方がいいです。

:replaceは無指定に修正して、プログラムを書き換えることにします。

変換不能文字の表示方法に加えて、
複数のエンコーディング変換の方法も教えていただき、大変勉強になりました。
2回ともわかりやすく回答していただき、改めて感謝申し上げます。

回答No.1

notnot

＞rssはStringクラスではないため、trメソッドが使えません。

rssはStringクラスではありませんが、item.title. や item.description はStringです。
そもそもStringでないものは、encodeでコード変換できませんよ。

まずは、tr等せずに、:undef => :replace だけ指定して、どんな文字が変換できないのか調べることから始めるのがいいと思います。

その他のコメント。
(1) encodeで変換元エンコーディングを指定していますが、その前にforce_encodingでUTF-8にしているので不要です。逆に、毎回変換元エンコーディングを指定するなら、force_encodingは不要。

(2) 最初のRSS取得は、
xml = open("http://codezine.jp/rss/new/20/index.xml") { |http| http.read }
と書くのが普通でしょう。

補足

回答ありがとうございます。

まず、変数xml、item.titleなどはStringオブジェクトだったのですね。
失礼しました。

ご指摘の箇所を修正して、プログラムを書きなおしました。
＜プログラム＞
-------------------------------------------------------
# encoding: cp932

require 'open-uri'
require 'rss'

xml = open("http://codezine.jp/rss/new/20/index.xml") { |http| http.read }

rss = RSS::Parser.parse(xml.force_encoding('utf-8'))
puts "#{rss.channel.title.encode('cp932')}"\
　　　+ "#{rss.channel.pubDate.strftime("%Y/%m/%d %X")}"

rss.items.each do |item|
　　　puts '--------------------------'
　　　puts item.title.encode('cp932')
　　　puts item.pubDate.strftime("%Y/%m/%d %X")
　　　puts item.description.encode('cp932', :undef => :replace, :replace => '-')
end
------------------------------------------------------
無事正常に出力されましたが、この書き方であってますでしょうか。

変換できなかった文字は「-」で、「？」で出力されました。
encodeメソッドで引数オプションに:undef => :replaceとして、
:replaceを指定しないとデフォルトで「？」と表示されるのですね。