ruby - Nokogiri 抓取网页乱码如何解决？

Question

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？

Answer 1

doc = Nokogiri::HTML(open('http://www.sell001.com/110178'),nil,'UTF-8')

=> #(Dokumen:0x3fc3974355f4 {
nama = "dokumen",
kanak-kanak = [
#(DTD:0x3fc397424bf0 { name = "html" }),
#(Elemen:0x3fc39741fc18 {
nama = "html",
atribut = [
#(Attr:0x3fc39740fa20 {
nama = "xmlns",
value = "http://www.w3.org/1999/xhtml"
})],
kanak-kanak = [
#(Teks "rn"),
#(Elemen:0x3fc3973da190 {
nama = "kepala",
kanak-kanak = [
#(Teks "rn"),
#(Elemen:0x3fc3973cf6dc {
nama = "tajuk",
kanak-kanak = [ #(Teks "九天国际A218-网商园")]
}),

utf-8正常解析。。。