perl - 如何在 Perl 中使用 BOM 编码检测 UTF8

Question

我有一个简单的 Perl 脚本，可以比较两个文件。结果我用 UTF8 BOM 编码写入不同的文件。为了将文本保存在 BOM 文件中，我将 chr(65279) 打印到结果文件的开头。有时输入文本在文本的乞求中已经包含 BOM 字符，而我的脚本又打印了一个。

问题是：我如何才能解决它不打印此 BOM 字符两次。

请参阅下面我的 Perl 代码的文本：

use strict;
use warnings;
use List::Compare;
use Cwd 'abs_path';
use open ':encoding(utf8)';
use open IO => ':encoding(utf8)';

open F, "<$ARGV[0]" or die $!;
open S, "<$ARGV[1]" or die $!;
my @a=<F>;
my @b=<S>;
close F;
close S;

my $lc = List::Compare->new(\@a, \@b);

my @intersection = $lc->get_intersection;
my @missing = $lc->get_unique;
my @extra = $lc->get_complement;

open EXTRA, ">".$ARGV[2]."file_extra.txt" or die("Unable to open the file");
open MISSING, ">".$ARGV[2]."file_missing.txt" or die("Unable to open the file");
open SUBTRACTED, ">".$ARGV[2]."file_subtr.txt" or die("Unable to open the file");

#Turn on UTF-8 BOM support
print EXTRA chr(65279);
print MISSING chr(65279);
print SUBTRACTED chr(65279);

print MISSING @missing;
print EXTRA @extra;
print SUBTRACTED @intersection;

close MISSING;
close EXTRA;
close SUBTRACTED;

Answer 1

在读取文件内容时剥离它（在您的示例中适用s/^\x{FEFF}//于$a[0]and $b[0]），然后在结果时将其添加到输出前面print，如果您真的需要它，但更好的是 - 根本不要将其打印回来，因为它没用对于 UTF-8。

Answer 2

如果您有双 BOM，这可能是因为一个 BOM 来自您的输入。所以你应该在处理之前清理你的输入：

s/^\x{FEFF}/ for $a[0], $b[0];