在实践中这不是真正的问题,因为我可以只写 BOM = "\uFEFF";但是让我烦恼的是,我必须为这样一个基本的东西硬编码一个魔法常量。 [编辑:而且很容易出错!我在这个问题中不小心将 BOM 写成了 \uFFFE,但没有人注意到。它甚至导致了一个不正确的建议解决方案。] 当然 python 在某个地方以方便的形式定义了它?
在codecs模块中查找了一系列常量:codecs.BOM、codecs.BOM_UTF8等。但这些是 bytes 对象,而不是字符串。真正的 BOM 在哪里?
这是针对 python 3 的,但为了完整性,我会对 Python 2 的情况感兴趣。
请您参考如下方法:
没有一个。 codecs 中的 bytes 常量是您应该使用的。
这是因为您不应该在解码文本中看到 BOM(即,您不应该遇到实际编码代码点 U+FEFF 的字符串)。相反,BOM 在流的开头以字节模式的形式存在,当您使用 BOM 解码一些字节时,U+FEFF 不包含在输出 string 中。同样,编码过程应处理将任何必要的 BOM 添加到输出 bytes --- 它不应该在输入 string 中。
BOM 唯一重要的时间是转换为 bytes 或从 bytes 转换时。
