Jak usunąć 4-bajtowe utf-8 znaków w Ruby?

Question

Ponieważ utf8 MySQL nie obsługuje znaków 4-bajtowych, szukam sposobu na wykrycie i wyeliminowanie 4 bajtowych utf8 znaków z ciągu w Ruby. Rozumiem, że mogę zaktualizować tabelę, aby używać utf8m4, ale z kilku powodów, które nie są możliwe lub pożądane rozwiązanie.

Po prostu kodowanie ciągu znaków do ASCII spowoduje usunięcie tych znaków, ale spowoduje również usunięcie wszystkich innych znaków spoza zestawu ASCII, co nie jest dobre.

Answer 1

Poniższa wydaje się działać dla mnie w Ruby 1.9.3:

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

Na przykład:

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