Bagaimana untuk Mengendalikan Watak Byte Order Mark (BOM) (u'\ufeff') dalam String Python?

Mengendalikan u'ufeff' dalam Python String

Semasa mengikis web, anda mungkin menghadapi ralat yang berkaitan dengan aksara u'ufeff'. Watak ini dikenali sebagai Byte Order Mark (BOM), yang sering ditambahkan pada permulaan fail teks untuk menunjukkan pengekodan fail.

Setelah membuka fail dalam Python 3, codec 'ascii' digunakan secara lalai jika tiada pengekodan dinyatakan. Walau bagaimanapun, aksara BOM bukan sebahagian daripada set aksara ASCII, yang membawa kepada pengecualian "UnicodeEncodeError".

Untuk menyelesaikan isu ini, pendekatan yang disyorkan adalah untuk menentukan pengekodan secara eksplisit apabila membuka fail. Kata kunci 'pengekodan' membolehkan anda menentukan pengekodan yang betul untuk fail, seperti 'utf-8-sig', yang termasuk BOM sebagai sebahagian daripada pengekodan. Berikut ialah contoh:

f = open('file', mode='r', encoding='utf-8-sig')
read_content = f.read()

Dengan menyediakan pengekodan yang betul, aksara BOM akan diabaikan daripada hasil bacaan, membolehkan anda bekerja dengan teks seperti yang dimaksudkan. Teknik ini amat berguna apabila mengendalikan fail teks yang diperoleh daripada pengikisan web atau sumber lain yang pengekodan mungkin tidak dinyatakan secara eksplisit.

Atas ialah kandungan terperinci Bagaimana untuk Mengendalikan Watak Byte Order Mark (BOM) (u'\ufeff') dalam String Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!