织梦CMS - 轻松建站从此开始!

天府星空

当前位置: 主页 > 网页设计 > 建站经验 >

UTF-8编码中BOM的检测与删除_最大的网络公司

时间:2012-11-06 21:46来源:未知 作者:admin 点击:
如何删除UTF-8编码中的BOM呢? FILES=`$SVNLOOK changed -t $TXN $REPOS | awk '/^[UA]/ {print $2}'` 如何检测UTF-8编码中的BOM呢? 对UTF-8/16/32而言,它们名字中的8/16/32指的是编码单位是多少位的,也就是说,它们的编码单位分辨是8/16/32位,换算成字

如何删除UTF-8编码中的BOM呢?

FILES=`$SVNLOOK changed -t "$TXN" "$REPOS" | awk '/^[UA]/ {print $2}'`

如何检测UTF-8编码中的BOM呢?

对UTF-8/16/32而言,它们名字中的8/16/32指的是编码单位是多少位的,也就是说,它们的编码单位分辨是8/16/32位,换算成字节就是1/2/4字节,如果是多字节,就要牵扯到字节序,UTF-8以单字节为编码单位,所以不存在字节序。

REPOS="$1"
TXN="$2"

    Shell: #!/bin/sh: No such file or directory
    PHP: Warning: Cannot modify header information – headers already sent

#设置UTF-8编码
:set fileencoding=utf-8
#增加BOM
:set bomb
#删除BOM
:set nobomb
#查问BOM
:set bomb?

#!/bin/sh

本文用到了良多shell命令,篇幅所限,恕不胪陈,如果有不清楚的就请本人搜寻吧。

shell> curl -s | head -1 | hexdump -C
00000000  ef bb bf 3c 21 44 4f 43  54 59 50 45 20 68 74 6d  |...<!DOCTYPE htm|
00000010  6c 20 50 55 42 4c 49 43  20 22 2d 2f 2f 57 33 43  |l PUBLIC "-//W3C|
00000020  2f 2f 44 54 44 20 58 48  54 4d 4c 20 31 2e 30 20  |//DTD XHTML 1.0 |
00000030  54 72 61 6e 73 69 74 69 网络公司; 6f 6e 61 6c 2f 2f 45 4e  |Transitional//EN|
00000040  22 20 22 68 74 74 70 3a  2f 2f 77 77 77 2e 77 33  |" "
00000050  2e 6f 72 67 2f 54 52 2f  78 68 74 6d 6c 31 2f 44  |.org/TR/xhtml1/D|
00000060  54 44 2f 78 68 74 6d 6c  31 2d 74 72 61 6e 73 69  |TD/xhtml1-transi|
00000070  74 69 6f 6e 61 6c 2e 64  74 64 22 3e 0d 0a        |tional.dtd">..|

-->

UTF-8重要的长处是可以兼容ASCII,但如果应用BOM的话,这个利益就无影无踪了,除此以外,BOM的存在还可能引发一些问题,比方下面过错便都有可能是BOM导致的:

for FILE in $FILES; do
    if $SVNLOOK cat -t "$TXN" "$REPOS" "$FILE" | grep -q $'^\xEF\xBB\xBF'; then
        echo "Byte Order Mark be found in $FILE" 1>&2
        exit 1
  最大的网络公司;  fi
done

如上所示,前三个字节分别是EF、BB、BF,这就是十六进制的BOM。

注:用到了第三方网站的页面,不能保障例子始终可用。

注:Unicode相干常识的具体先容请参考UTF-8, UTF-16, UTF-32 & BOM。

shell> grep -r -I -l $'^\xEF\xBB\xBF' /path | xargs sed -i 's/^\xEF\xBB\xBF//;q'

推举:如果你使用SVN的话,可以在pre-commit钩子里加上相关代码用以杜绝BOM。

实际做名目开发时,可能会见对成千盈百个文本文件,如果有多少个文件混入了BOM,那么很难觉察,如果不带BOM的UTF-8文本文件例子,可以用vi杜撰几个,相关命令如下:

如上所示,前三个字节分离是357、273、277,这就是八进制的BOM。

shell> curl -s | head -1 | sed -n l
\357\273\277<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional\
//EN" "

SVNLOOK=/usr/bin/svnlook

所谓BOM,全称是Byte Order Mark,它是一个Unicode字符,通常涌现在文本的开头,用来标识字节序(Big/Little Endian),除此以外还能够标识编码(UTF-8/16/32),假如呈现在文本旁边,则说明为zero width no-break space。

shell> grep -r -I -l $'^\xEF\xBB\xBF' /path

在详细探讨UTF-8编码中BOM的检测与删除问题前,不妨先通过一个例子热热身:

(责任编辑:admin)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
验证码: 点击我更换图片