Question

运行Windows 8 64位。我有一个文件存储一些数据，使用Windows记事本以UTF-8编码保存。假设这是文件的内容：

1，一些数据，这里，0，-1

我正在读这样的话：

f = open("file.txt", "rb")
f.read()
f.close()

而f.read()会返回此信息：

U “\ XEF \ XBB \ xbf1，一些数据，这里，0，-1”

我可以使用f.read()[3:]但这不是一个干净的解决方案。

文件开头的那些字符是什么？

Answer 1

前3个字节是UTF-8 BOM或字节顺序标记。 UTF-8不需要需要 BOM（它具有与UTF-16和UTF-32不同的固定字节顺序），但是许多工具（主要是Microsoft的）无论如何都要添加它以帮助进行文件编码检测

您可以对其进行测试并安全地跳过它，使用codecs.BOM_UTF8来处理它：

import codecs

data = f.read()
if data.startswith(codecs.BOM_UTF8):
    data = data[3:]

您还可以使用io.open()函数打开文件，让Python将文件解码为Unicode，并告诉它使用utf_8_sig编解码器：

import io

with io.open('file.txt', encoding='utf_8_sig'):
    data = f.read()

Answer 2

这是BOM（字节顺序标记）实际上，UTF-8只有一个有效的字节顺序，
但尽管如此，可能有这个3字节序列
在文件的开头（一般数据）。

- ＆GT;如果这些值恰好是前3个字节，请忽略它们。