python基础：字符编码问题三个不可见的字符（0xEF 0xBB 0xBF，即BOM）

Posted 2020-09-21

一、用utf-8格式保存的txt文件等，如何去掉BOM头

Windows系统的txt文件在使用utf-8编码保存时会默认在文件开头插入三个不可见的字符（0xEF 0xBB 0xBF）称为BOM头，这个BOM头在python的codecs库中已经定义为常量（codecs.BOM_UTF8）

方法一：utf8temp.txt保存时选择utf-8保存

1 import codecs
2 data=open("utf8temp.txt",‘r‘,encoding=‘utf-8‘).read()
3 data=data.encode(encoding=‘utf-8‘)
4 print(data)
5 #print("中文".encode(encoding=‘utf-8‘))
6 print(len(data))
7 if data[:3]==codecs.BOM_UTF8:
8     data=data[3:]
9     print(data.decode(encoding=‘utf-8‘))

输出如下：

b‘\\xef\\xbb\\xbf\\xe4\\xb8\\xad\\xe6\\x96\\x87‘
9
中文

 

方法二：

1 with open("./temp.txt","r",encoding=‘utf-8‘) as f:
2     flag=1
3     for line in f:
4         if flag==1:
5              line=line[1:]#去掉txt格式为utf-8会在文件第一行开头插入
6                           # 三个不可见的字符（0xEF 0xBB 0xBF）--（‘.’）                       
7              flag=0
8         print(line)

 

 

方法三：直接用第三方软件去掉BOM头，用notepad++打开txt文件，选择编码...without BOM，点击保存