使用Ruby解码亚马逊SP-API的CP932格式日本站点报告

核心思路：先将ASCII-8BIT二进制字节串正确转换为对应编码的字符串，再进行解析，避免编码混乱导致的乱码或格式错误。

一、CSV报告解析修正 #

问题根源 #

原代码先处理字符串再调整编码，导致字节序列被破坏；手动拆分制表符和换行的操作容易引入格式错误，且未指定CSV的制表符分隔规则。

修正代码 #

data = AmzSpApi.inflate_document(content, report_document)
# 1. 将二进制字节串强制转为CP932编码，再转成UTF-8（可选，方便后续统一处理）
# 用invalid/undef参数替换无效字节，避免解析报错
cp932_string = data.force_encoding('CP932').encode('UTF-8', invalid: :replace, undef: :replace)
# 2. 直接解析制表符分隔的CSV，指定col_sep为\t
csv = CSV.parse(cp932_string, headers: true, col_sep: "\t")

如果不需要转UTF-8，也可以直接用CP932编码解析：

data = AmzSpApi.inflate_document(content, report_document)
cp932_string = data.force_encoding('CP932')
csv = CSV.parse(cp932_string, headers: true, col_sep: "\t", encoding: 'CP932')

二、XML报告解析修正 #

问题根源 #

直接传入ASCII-8BIT字节串时，Nokogiri无法自动识别CP932编码，导致解析不完整。

修正代码 #

方法1：先转编码再解析

data = AmzSpApi.inflate_document(content, report_document)
# 转换为CP932编码后转UTF-8，确保Nokogiri能正确识别文本
cp932_string = data.force_encoding('CP932').encode('UTF-8', invalid: :replace, undef: :replace)
parsed_xml = Nokogiri::XML(cp932_string)

方法2：指定Nokogiri解析编码

data = AmzSpApi.inflate_document(content, report_document)
parsed_xml = Nokogiri::XML(data) do |config|
  config.options = Nokogiri::XML::ParseOptions::NOERROR # 忽略编码警告
  config.encoding = 'CP932' # 强制指定解析编码
end

通用优化（适配多站点） #

可根据报告所属站点动态选择编码，避免硬编码：

# 根据report_metadata或请求参数判断是否为日本站
is_japan_site = true # 替换为实际判断逻辑
target_encoding = is_japan_site ? 'CP932' : 'UTF-8'

# CSV通用处理
data = AmzSpApi.inflate_document(content, report_document)
encoded_string = data.force_encoding(target_encoding).encode('UTF-8', invalid: :replace, undef: :replace)
csv = CSV.parse(encoded_string, headers: true, col_sep: "\t")

# XML通用处理
parsed_xml = Nokogiri::XML(encoded_string)

内容的提问来源于stack exchange，提问作者phil