差異處

這裏顯示兩個版本的差異處。

連向這個比對檢視

兩邊的前次修訂版 前次修改
tech:perl_check_utf8 [2008/12/19 11:57] – jonathantech:perl_check_utf8 [2009/03/03 01:07] (目前版本) – jonathan
行 1: 行 1:
 +====== Perl + Linux 檢測檔案是否為 UTF-8 與去除 BOM 方式 ======
 +因為 UTF-8 有含 BOM 與不含 BOM 的格式，所以如果要處理一個 UTF-8 檔案需要先處理成一致格式再交給程式，以下是最近寫處理申請資料檔案時的相關程式碼.
  
 +  * 判別是否為 UTF-8 檔案主要是採用 Linux 內的 file 指令
 +  * 判別是否含有 BOM 的 UTF-8 是取檔案前兩個字元判別是否為 #0xef -> 239 / #0xbb -> 187，如果是就去掉. 
 +<code perl>
 +:
 +:
 + # 檢測 csv 是否為 UTF-8 格式
 + $t_msg = `/usr/bin/file $p_regdir$p_csvfile`;
 + if (index($t_msg, "UTF-8")<0) {
 + $hash_logXMLInfo{'note'}="CSV File encoding is not UTF-8!";
 + return((-1, "CSV File info:[$t_msg]", %hash_logXMLInfo));
 + }
 +
 + $v_csvInfo = `/bin/cat $p_regdir$p_csvfile`;
 + # 如果 csv 有函 BOM 的 UTF-8 則去掉前兩碼
 + $t_chk1 = substr($v_csvInfo, 0, 1); #0xef -> 239
 + $t_chk2 = substr($v_csvInfo, 1, 1); #0xbb -> 187
 + if (ord($t_chk1)==239 && ord($t_chk2)==187) {
 + $v_csvInfo = substr($v_csvInfo, 3);
 + }
 + # 讀取 csv 檔案內容 (支援 Unix \n 與 Dos \r\n 換行格式)
 + @arr_csvLine = split(/\n|\r\n/,$v_csvInfo);
 +:
 +:
 +</code>
 +
 +進一步可以將這樣的概念弄成一個 function 出來, 先將檔案讀入成字串, 然後傳入給這個 removeBOM 判別移除傳回.
 +<code perl>
 +
 +# 21:28 2008/12/15
 +# 如果有 UTF-8 BOM 就去除掉
 +sub removeBOM {
 + local($p_content) = @_;
 + if (ord(substr($p_content,0,1))==239 && ord(substr($p_content,1,1))==187) {
 + return(substr($p_content,3));
 + }
 + return($p_content);
 +}
 +
 +</code>
 +
 +{{tag>perl utf8 BOM 密技}}