**
- UTF有哪些分類?
**
UTF-8分爲兩種,一種是不帶BOM的,一種是帶BOM的。其中第一種不帶BOM的是標準形式,第二種帶BOM的主要是微軟的習慣。
**
- 爲什麼有BOM的UTF-8?
**
微軟在UTF-8中使用BOM(Byte order mark)是因爲這樣可以將UTF-8和ASCII等編碼明確區分開。
windows對於utf-8格式的文件存儲默認是帶有BOM的格式
**
- 爲什麼BOM不受歡迎?
**
因爲在UNIX環境下,很多的UNIX程序不認識BOM。主要是在UNIX所有腳本語言首行爲#!標示,它依賴於shell解析,而很多shell出於兼容的考慮不檢測BOM,所以加進BOM時shell會把它解釋爲某個普通字符輸入導致破壞#!標示。比如很多現代腳本語言,例如python,其解釋器本身是能處理BOM的,但是shell卡在這裏。
因此我們在linux服務器上讀取這些txt文件時,會遇到如下報錯:
\xef\xbb\xbf…
**
- 怎麼解決?
**
使用codecs庫,將文件轉換爲utf-8-sig格式
import codecs
with open("xx.txt",'r','utf-8-sig') as file:
line = file.readlines();