emacs中各种类型的'utf-8'之间的区别是什么？

Question

在Emacs中，输入

后

M-x revert-buffer-with-coding-system

我可以看到很多类型的'utf-8'，例如 utf-8 ， utf-8-auto-unix ， utf-8 -emacs-unix 等等。

我想知道它们之间有什么区别。

我用谷歌搜索了他们但找不到合适的答案。

P.S。

我问这个问题是因为几个月前我遇到了编码问题。我在Emacs和我的〜/ .emacs 中编写了一个php程序，我设置了

(prefer-coding-system 'utf-8)

但是在浏览器中浏览php页面时，我发现由于编码问题导致浏览器无法正确显示内容，即使我已写过

<meta name="Content-Type" content="text/html; charset=UTF-8" />

在页面中。

但是在使用 notepad ++ 将文件存储在utf-8中后，浏览器可以正确显示内容。

所以我想了解更多有关Emacs编码的信息。

Answer 1

编码名称的最后一部分（例如mac中的utf-8-mac）通常用于描述将在行末尾使用的特殊字符：< / p>

• -mac：CR，MacOS的标准行分隔符（直到OS X）
• -unix：LF unice系统的标准分隔符（所以基于BSD的Mac OS X）
• -dos：CR+LF DOS / Windows的分隔符

一些额外的编码参数包括：

• -emacs：支持对所有Emacs字符（包括非Unicode）进行编码
• -with-signature：强制使用BOM（见下文）
• -auto：自动检测BOM

您可以结合使用不同的可能性，使列表显示在Emacs中。

要获得有关编码提供的行结尾类型，BOM和字符集的信息，您可以使用describe-coding-system或： Ch C

关于BOM：

• utf标准定义了一个特殊的签名，放在（文本）文件的开头，以区分utf-16编码的字节顺序（因为utf-16存储的字符为2）字节 - 或16位）或字节序：一些系统将最高有效字节放在第一位（big-endian - ＆gt; utf-16be），其他一些系统将最低有效字节放在第一位（little-endian - ＆gt; utf-16le ）。该签名称为 BOM ：字节顺序标记

在utf-8中的

• ，每个字符由一个字节表示（对于大于127的扩展字符，它们使用特殊的字节序列除外），因此指定字节顺序是一个废话，但这个签名无论如何都有用于检测utf-8文件而不是纯文本ascii。 utf-8文件与ascii文件的区别仅在于扩展字符，如果没有解析整个文件直到找到伪文件使其立即可见时才能检测到。 （BTW Emacs非常有效地进行这种自动检测）

• 仅供参考，BOM是以下字节作为文件的第一个字节：

  • utf-16le：FF FE
  • utf-16be：FE FF
  • utf-8：EF BB BF

• 您可以要求Emacs打开一个文件而不使用find-file-literally进行任何转换：如果第一行以开头，您会看到未解码的utf-8 BOM

正如@wvxvw所说，您的问题是文件开头可能缺少BOM，导致错误地解释和呈现。 BTW，M-x hexl-mode也是检查文件原始内容的非常方便的工具。感谢您指向我（我经常使用外部十六进制编辑器，而它可以直接在Emacs中完成）

Answer 2

除了在设置

之后，不能多说这个问题

(prefer-coding-system 'utf-8)
(setq coding-system-for-read 'utf-8)
(setq coding-system-for-write 'utf-8)

我2年多没有任何unicode问题了。