Nokogiriが文字化けするのの対策 - hitode909の日記そこらへんで拾ってきたHTMLをNokogiriに渡すと，文字化けすることがあって，困ってた． Nokogiriに文字コードを渡せるので，HTMLから正規表現でcharsetを取り出して，一番多く出現するcharsetをそのページのcharsetとして採用すると，うまくいった． ヒューリスティックにやってるだけだけど，だいたいうまくいく． こんな感じ． charset = io.scan(/charset="?([^\s"]*)/i).flatten.inject(Hash.new{0}){|a, b| a[b]+=1 a }.to_a.sort_by{|a| a[1] }.reverse.first[0] before "〓\u0082«〓\u0083¼〓\u0083\u0089〓\u0083\u0095〓\u0082〓〓\u0082〓〓\u0083\u0088!! 〓\u0083´〓\
