如何解决在 Python 中检测字节顺序标记 (BOM)
我找到了很多描述如何解析/忽略 BOM 的帖子,但找不到任何关于如何简单地输出一个文件是否包含 BOM 的真/假的信息。任何人都可以指出我在 Python 中执行此操作的正确方向吗?
解决方法
简单的答案是:读取前 4 个字节并查看它们。
with open("utf32le.file","rb") as file:
beginning = file.read(4)
# The order of these if-statements is important
# otherwise UTF32 LE may be detected as UTF16 LE as well
if beginning == b'\x00\x00\xfe\xff':
print("UTF-32 BE")
elif beginning == b'\xff\xfe\x00\x00':
print("UTF-32 LE")
elif beginning[0:3] == b'\xef\xbb\xbf':
print("UTF-8")
elif beginning[0:2] == b'\xff\xfe':
print("UTF-16 LE")
elif beginning[0:2] == b'\xfe\xff':
print("UTF-16 BE")
else:
print("Unknown or no BOM")
不那么简单的答案是:
可能有些二进制文件似乎有 BOM,但它们可能仍然只是二进制文件,其中的数据意外地看起来像 BOM。
除此之外,您通常也可以将没有 BOM 的文本文件视为 UTF-8。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。