ruby - 如何在 ruby​​ 中创建一个带有 "bad encoding"的字符串？

Question

我在生产环境的某个地方有一个我没有访问它的文件，当由 ruby​​ 脚本加载时，针对内容的正则表达式失败并返回 ArgumentError => invalid UTF-8 中的字节序列。

我相信我有一个基于这里所有要点的答案的修复:ruby 1.9: invalid byte sequence in UTF-8

# Remove all invalid and undefined characters in the given string
# (ruby 1.9.3)
def safe_str str

  # edited based on matt's comment (thanks matt)
  s = str.encode('utf-16', 'utf-8', invalid: :replace, undef: :replace, replace: '')
  s.encode!('utf-8', 'utf-16')
end

但是，我现在想构建我的 rspec 来验证代码是否有效。我无权访问导致问题的文件，因此我想以编程方式创建一个编码错误的字符串。

我已经尝试过类似的变体:

bad_str = (100..1000).to_a.inject('') {|s,c| s << c; s}
bad_str.length.should > safe_str(bad_str).length

或者，

bad_str = (100..1000).to_a.pack(c*)
bad_str.length.should > safe_str(bad_str).length

但是长度总是一样的。我也尝试过不同的字符范围；并不总是 100 到 1000。

关于如何在 ruby​​ 1.9.3 脚本中构建具有无效编码的字符串有什么建议吗？

Answer 1

大量单字节字符串将构成无效的 UTF-8 字符串，从 0x80 开始。所以 128.chr 应该可以工作。