Làm thế nào để loại bỏ 4 byte utf-8 ký tự trong Ruby?

Question

Vì utf8 của MySQL không hỗ trợ 4 ký tự byte, tôi đang tìm cách phát hiện và loại bỏ bất kỳ ký tự utf8 4 byte nào từ một chuỗi trong Ruby. Tôi hiểu rằng tôi có thể cập nhật bảng của mình để sử dụng utf8m4 nhưng vì một vài lý do không thể hoặc giải pháp mong muốn.

Chỉ cần mã hóa chuỗi thành ASCII sẽ xóa các ký tự này nhưng cũng sẽ xóa tất cả các ký tự không phải ASCII khác, điều này không tốt.

Answer 1

Sau đây dường như làm việc cho tôi trong Ruby 1.9.3:

input.each_char.select{|c| c.bytes.count < 4 }.join('') 

Ví dụ:

input = "hello \xF0\xA9\xB6\x98 world"     # includes U+29D98 
input.each_char.select{|c| c.bytes.count < 4 }.join('') # 'hello world'