问题描述
最近在帮同学在一个网站上抓取一些东西，比如 http://www.sell001.com/110178 上面的服装图片，标题和价格等等。
这个网站有点奇怪，他 meta 里面没有声明 charset，然后我用 Nokogiri ，也没有指定特定的 encoding。
抓了一些图片和链接都是可以的，但是碰到有中文的情况时它就乱码了。
我看官方文档 http://www.nokogiri.org/tutorials/parsing_an_html_xml_document.html，Nokogiri 可以指定 encoding，比如 doc = Nokogiri.XML(’<foo><bar /><foo>’, nil, ’EUC-JP’)我试了指定一些比如 gbk 等等，都无效。。
这种情况该如何解决？
问题解答
回答1：doc = Nokogiri::HTML(open(’http://www.sell001.com/110178’),nil,’UTF-8’)
=> #(Document:0x3fc3974355f4 { name = 'document', children = [ #(DTD:0x3fc397424bf0 { name = 'html' }), #(Element:0x3fc39741fc18 { name = 'html', attributes = [#(Attr:0x3fc39740fa20 { name = 'xmlns', value = 'http://www.w3.org/1999/xhtml' })], children = [#(Text 'rn'),#(Element:0x3fc3973da190 { name = 'head', children = [ #(Text 'rn'), #(Element:0x3fc3973cf6dc { name = 'title', children = [ #(Text '九天国际A218-网商园')] }),
utf-8正常解析。。。
