跳至主要內容

去除掉文字前的 UTF8-BOM (string.strip_utf8_bom)

聲明​

處理後文字 = string.strip_utf8_bom(處理前文字)

參數​

  • 處理前文字
    文字型，需要剔除掉 UTF8-BOM 字元的文字

回傳值​

  • 處理後文字
    文字型，返回已經剔除掉 UTF8-BOM 字元的文字

說明​

UTF8-BOM 的表現形式是文檔開頭的三個看不見的字元 "\xEF\xBB\xBF" (在 Lua 原始碼中，字串中 \x 開頭，後面跟兩位 16 進制數表示以該數字編碼的單個位元組。例如：\x58 表示 X 這個字元，可列印字元部分參考《ASCII 編碼》)

範例​

txt = "\xEF\xBB\xBFXXTouch"
sys.alert(txt..', '..#txt) -- 輸出 "XXTouch, 10"
--
txt = string.strip_utf8_bom(txt)
sys.alert(txt..', '..#txt) -- 輸出 "XXTouch, 7"

注：上述代碼中使用了非本章函式 sys.alert

小知識​

UTF-8 不需要 BOM，儘管 Unicode 標準允許在 UTF-8 中使用 BOM。
不含 BOM 的 UTF-8 才是標準形式；在 UTF-8 檔案中放置 BOM 主要是微軟的習慣（注：將帶 BOM 的小端序 UTF-16 稱作「Unicode」而不加詳細說明，同樣是微軟的習慣）。
BOM（byte order mark）是為 UTF-16 和 UTF-32 準備的，用於標記位元組序（byte order）。微軟在 UTF-8 中使用 BOM 是因為這樣可以將 UTF-8 和 ASCII 等編碼明確區分開，但此類檔案在 Windows 之外的操作系統上可能會引發問題。更多資料可參考 Wikipedia – Byte order mark。