UTF-8编码中BOM的检测与删除_最大的网络公司

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。

-->

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)

搜索

热门标签:

UTF-8编码中BOM的检测与删除_最大的网络公司