读取文本出现 锘 * 系列乱码错误(UTF-8 BOM问题)的原因及解决方法
2017-09-24 16:53
1291 查看
现象
读取文本时经常会出现锘*系列错误。例1:锘縣,其实开头的文本是h,http被显示为锘縣ttp
例2:锘缝,其实开头的文本是p,public被显示为锘缝ulic
只要文本的首字母为锘的都属于这类错误,在Python、Java、PHP等等使用过程中都会遇到,这类错误与语言无关,错误的原因是UTF-8的BOM。
原因
BOM即Byte Order Mark,是UTF-8文档的Unicode签名,即EF BB BF这三个字节,当把文件编码选为UTF-8时,系统会自动在文件头部添加上EF BB BF这三个字节,而选为UTF-8 NO BOM时会自动去掉这三个字节。BOM是可选的,可以用来检测一个字节流是否是UTF-8编码的。微软做这种检测,但有些软件不做这种检测,而把它当作正常字符处理。
微软在自己的UTF-8格式的文本文件之前加上了EF BB BF三个字节, windows上面的notepad等程序就是根据这三个字节来确定一个文本文件是ASCII的还是UTF-8的,然而这个只是微软暗自作的标记,其它平台上并没有对UTF-8文本文件做个这样的标记。
解决办法
尽量使用notepad++,sublime,editplus等不直接加BOM的文本编辑器使用ultraedit等二进制编辑器去除BOM
使用1中的编辑器重新打开文档并重新保存为以UTF-8无BOM格式编码。
将编码设置为ASCII,当然这也很多中文就麻烦了
用Python去除BOM
import codecs data = open("Test.txt").read() if data[:3] == codecs.BOM_UTF8: data = data[3:] print data.decode("utf-8")
相关文章推荐
- Java读取UTF-8格式txt文件第一行出现乱码——问号“?”及解决;Java读带有BOM的UTF-8文件乱码原因及解决方法
- Java读取UTF-8格式txt文件第一行出现乱码——问号“?”及解决;Java读带有BOM的UTF-8文件乱码原因及解决方法
- Java读取UTF-8格式文件第一行出现乱码——问号“?”及解决 And Java读带有BOM的UTF-8文件乱码原因及解决方法
- Java读取UTF-8格式txt文件第一行出现乱码——问号“?”及解决;Java读带有BOM的UTF-8文件乱码原因及解决方法
- Java读取UTF-8格式txt文件第一行出现乱码——问号“?”及解决;Java读带有BOM的UTF-8文件乱码原因及解决方法
- Java读取UTF-8格式txt文件第一行出现乱码——问号“?”及解决;Java读带有BOM的UTF-8文件乱码原因及解决方法
- Java读取UTF-8格式txt文件第一行出现乱码——问号“?”及解决;Java读带有BOM的UTF-8文件乱码原因及解决方法
- Java读取UTF-8格式txt文件第一行出现乱码——问号“?”及解决;Java读带有BOM的UTF-8文件乱码原因及解决方法
- Java读取UTF-8格式文件第一行出现乱码——问号“?”及解决 And Java读带有BOM的UTF-8文件乱码原因及解决方法
- Java读取UTF-8格式txt文件第一行出现乱码——问号“?”及解决;Java读带有BOM的UTF-8文件乱码原因及解决方法
- Java:InputStream读取文本文件内容出现乱码问题的解决方法
- UTF-8文本文件头部出现乱码“锘*”的问题及解决方法
- IO 流读取文件时候出现乱码 文件编码格式问题 怎么转换解决方法
- 读取文本,出现乱码问题解决
- C#中StreamReader读取中文文本出现乱码的解决方法
- MFC用CStdioFile类读取中文文本时乱码问题的一种解决方法
- php读取csv文件后,uft8 bom导致在页面上显示出现问题的解决方法
- 使用jdbc-odbc桥读取SQLServer数据库的ntext字段出现乱码的原因与解决方法
- Java读带有BOM的UTF-8文件乱码原因及解决方法
- C#中StreamReader读取中文文本出现乱码的解决方法