Question

下午好。假设我有一个带有单个字母的utf-8文件，比如“f”（没有\ n和空格），我试着获得一系列行长。

(with-open [rdr (reader "test.txt")] 
  (doall (map #(.length %) (line-seq rdr))))

我得到了

=> (2)

为什么呢？是否有任何优雅的方法来获得第一个字符串的正确长度？

Answer 1

Reading UTF-8 - BOM marker中介绍了Java中的BOM问题。似乎可以使用Apache的Commons中的BOMInputStream将其抽象出来，或者必须手动删除它，即

(defn debomify
  [^String line]
  (let [bom "\uFEFF"]
    (if (.startsWith line bom)
      (.substring line 1)
      line)))

(doall (map #(.length %) (.split (debomify (slurp "test.txt")) "\n")))

如果您想使用line-seq懒惰地阅读文件，例如因为它太大，您必须使用debomify处理第一行。其余的可以正常阅读。因此：

(defn debommed-line-seq
  [^java.io.BufferedReader rdr]
  (when-let [line (.readLine rdr)]
    (cons (debomify line) (lazy-seq (line-seq rdr)))))

具有BOM的UTF-8文件中第一行的长度

1 个答案: