我有一个以这一行开头的UTF-8文本文件:
<HEAD><META name=GENERATOR content="MSHTML 10.00.9200.16521"><body>
当我使用带有TEncoding.UTF8的
TFile.ReadAllText
读取此文件时:MyStr := TFile.ReadAllText(ThisFileNamePath, TEncoding.UTF8);
然后将省略文本文件的前3个字符,因此MyStr的结果为:
'AD><META name=GENERATOR content="MSHTML 10.00.9200.16521"><body>...'
但是,当我使用
TFile.ReadAllText
而不使用TEncoding.UTF8读取此文件时:MyStr := TFile.ReadAllText(ThisFileNamePath);
那么就可以完全正确地读取文件:
<HEAD><META name=GENERATOR content="MSHTML 10.00.9200.16521"><body>...
TFile.ReadAllText
是否有错误? 最佳答案
因为RTL代码假定文件包含UTF-8 BOM,所以跳过了前三个字节。显然,您的文件没有。TUTF8Encoding
类实现指定GetPreamble
BOM的UTF-8
方法。并且ReadAllBytes
跳过您通过的编码指定的前同步码。
一种简单的解决方案是将文件读取为字节数组,然后使用TEncoding.UTF8.GetString
将其解码为字符串。
var
Bytes: TBytes;
Str: string;
....
Bytes := TFile.ReadAllBytes(FileName);
Str := TEncoding.UTF8.GetString(Bytes);
一个更全面的替代方法是制作一个忽略UTF-8 BOM的
TEncoding
实例。type
TUTF8EncodingWithoutBOM = class(TUTF8Encoding)
public
function Clone: TEncoding; override;
function GetPreamble: TBytes; override;
end;
function TUTF8EncodingWithoutBOM.Clone: TEncoding;
begin
Result := TUTF8EncodingWithoutBOM.Create;
end;
function TUTF8EncodingWithoutBOM.GetPreamble: TBytes;
begin
Result := nil;
end;
实例化其中之一(每个进程只需要一个实例)并将其传递给
TFile.ReadAllText
。使用
TUTF8EncodingWithoutBOM
的单例实例的优点是可以在需要TEncoding
的任何地方使用它。