在学习python从文件中读取文件,并将文件中的字符串转化为列表的时候,发现文件头多了一个\ufeff字符。

  这个问题前段时间也遇到过了,同样是上网搜索了半天才解决,当时只是把问题解决就过去了,但是今天遇到同样的问题时,知道有这么一个解决方法,但是怎么做就是想不起来。古人云,好记性不如烂笔头,一点没错。进入正题。

  几个概念性的东西   

  ANSCII:

标准的 ANSCII 编码只使用7个比特来表示一个字符,因此最多编码128个字符。扩充的 ANSCII 使用8个比特来表示一个字符,最多也只能
编码 256 个字符。

  UNICODE:

使用2个甚至4个字节来编码一个字符,因此可以将世界上所有的字符进行统一编码。

  UTF:

UNICODE编码转换格式,就是用来指导如何将 unicode 编码成适合文件存储和网络传输的字节序列的形式 (unicode ->
str)。像其他的一些编码方式 gb2312, gb18030, big5 和 UTF 的作用是一样的,只是编码方式不同。

在Windows下用文本编辑器创建的文本文件,如果选择以UTF-8等Unicode格式保存,会在文件头(第一个字符)加入一个BOM标识。

  什么是BOM?

  BOM = Byte Order Mark

  BOM是Unicode规范中推荐的标记字节顺序的方法。比如说对于UTF-16,如果接收者收到的BOM是FEFF,表明这个字节流是Big-Endian的;如果收到FFFE,就表明这个字节流是Little-Endian的。

  UTF-8不需要BOM来表明字节顺序,但可以用BOM来表明“我是UTF-8编码”。BOM的UTF-8编码是EF BB BF(用UltraEdit打开文本、切换到16进制可以看到)。所以如果接收者收到以EF BB BF开头的字节流,就知道这是UTF-8编码了。
具体方法请看下面代码

 1 # filename: example.py
 2 # conding=utf-8
 3 
 4 f = open("news.txt", "r",encoding='utf-8')
 5 file = f.read()
 6 file_list = file.split(",")
 7 print(file_list)
 8 
 9 file_list2 = file.encode('utf-8').decode('utf-8-sig')
10 print(file_list2)
11 
12 
13 #打印结果如下
14 ['\ufeff新华社北京2月8日电2月8日']
15 新华社北京2月8日电2月8日
不懂的还很多,慢慢积累。
python3 字符串转列表出现\ufeff的解决方法-Python 技术分享 Java技术分享 Python 爬虫技术_微信公众号:zeropython—昊天博客
HTTPX 基础教程-新乡seo|网站优化,网站建设_微信公众号:zeropython—昊天博客