使用awk删除字节顺序标记

sed (在Linux或Cygwin上):

# Removing BOM from all text files in current directory:
sed -i '1 s/^\xef\xbb\xbf//' *.txt

在FreeBSD上:

sed -i .bak '1 s/^\xef\xbb\xbf//' *.txt

流编辑器 :the -i 参数表示“就地”,将更新文件,而不需要重定向或奇怪的技巧。

在Mac上:

This awk solution in another answer works ,但是 流编辑器 上面的命令不起作用。至少在Mac(Sierra)上是这样 流编辑器 \xef .

通过管道连接到任何程序,都可以实现类似的技巧 sponge 工具从 moreutils :

awk '…' INFILE | sponge INFILE

试试这个:

awk 'NR==1{sub(/^\xef\xbb\xbf/,"")}{print}' INFILE > OUTFILE

在第一条记录(行)上,删除BOM表字符。打印每条记录。

或者稍短一点,使用awk中的默认操作是打印记录的知识:

awk 'NR==1{sub(/^\xef\xbb\xbf/,"")}1' INFILE > OUTFILE

1

享受!

--附录--

Unicode Byte Order Mark (BOM) FAQ 包括下表,其中列出了每种编码的确切BOM字节:

Bytes         |  Encoding Form
--------------------------------------
00 00 FE FF   |  UTF-32, big-endian
FF FE 00 00   |  UTF-32, little-endian
FE FF         |  UTF-16, big-endian
FF FE         |  UTF-16, little-endian
EF BB BF      |  UTF-8

因此,您可以看到 \xef\xbb\xbf 对应于 EF BB BF UTF-8 上表中的BOM字节数。

不是awk,而是更简单:

tail -c +4 UTF8 > UTF8.nobom

要检查BOM表,请执行以下操作:

hd -n 3 UTF8

如果BOM存在,您将看到: 00000000 ef bb bf ...

dos2unix 还删除BOM:

dos2unix *.txt

dos2unix 还将带有BOM的UTF-16文件(但不包括没有BOM的UTF-16文件)转换为没有BOM的UTF-8:

$ printf '\ufeffä\n'|iconv -f utf-8 -t utf-16be>bom-utf16be
$ printf '\ufeffä\n'|iconv -f utf-8 -t utf-16le>bom-utf16le
$ printf '\ufeffä\n'>bom-utf8
$ printf 'ä\n'|iconv -f utf-8 -t utf-16be>utf16be
$ printf 'ä\n'|iconv -f utf-8 -t utf-16le>utf16le
$ printf 'ä\n'>utf8
$ for f in *;do printf '%11s %s\n' $f $(xxd -p $f);done
bom-utf16be feff00e4000a
bom-utf16le fffee4000a00
   bom-utf8 efbbbfc3a40a
    utf16be 00e4000a
    utf16le e4000a00
       utf8 c3a40a
$ dos2unix -q *
$ for f in *;do printf '%11s %s\n' $f $(xxd -p $f);done
bom-utf16be c3a40a
bom-utf16le c3a40a
   bom-utf8 c3a40a
    utf16be 00e4000a
    utf16le e4000a00
       utf8 c3a40a

我知道这个问题是针对unix/linux的,我认为值得一提的是,对于unix有挑战的人来说,这是一个很好的选择(在windows上,有UI)。
Replace Pioneer 其中:

批处理运行程序->搜索(查找子文件夹中的所有文件)->替换模板->二进制删除BOM(有现成的搜索和替换模板)。

这不是最优雅的解决方案,它确实需要安装一个程序,这是一个缺点。但一旦我发现了周围发生的事情,它就非常有效(在大约2300个带有BOM的文件中找到了3个)。