emacs - emacs中各种类型的 'utf-8'有什么区别

Question

在 Emacs 中，输入后

M-x revert-buffer-with-coding-system

我可以看到多种类型的“utf-8”，例如，utf-8、utf-8-auto-unix、utf-8 -emacs-unix等

我想知道它们之间有什么区别。

我用谷歌搜索过，但找不到正确的答案。

附注

我问这个问题是因为几个月前我遇到了编码问题。我在 Emacs 中编写了一个 php 程序，在我的 ~/.emacs 中，我设置了

(prefer-coding-system 'utf-8)

但是在浏览器中浏览php页面时，发现虽然我写了，但由于编码问题，浏览器无法正确显示内容

<meta name="Content-Type" content="text/html; charset=UTF-8" />

在页面中。

但是当我使用notepad++将文件存储为utf-8后，浏览器可以正确显示内容。

所以我想了解有关 Emacs 编码的更多信息。

Answer 1

编码名称的最后一部分(例如utf-8-mac中的mac)通常用于描述将在处使用的特殊字符>行尾:

• -mac:CR，MacOS 的标准行分隔符(直到 OS X)
• -unix:LF unice 系统的标准分隔符(因此基于 BSD 的 Mac OS X)
• -dos:CR+LF DOS/Windows 的分隔符

一些额外的编码参数包括:

• -emacs:支持对所有 Emacs 字符(包括非 Unicode)进行编码
• -with-signature:强制使用 BOM(见下文)
• -auto:自动检测 BOM

您可以组合不同的可能性，从而使列表显示在 Emacs 中。

要获取有关编码提供的行结尾类型、BOM 和字符集的一些信息，您可以使用 describe-coding-system，或:C-hC

关于 BOM:

• utf 标准定义了一个特殊签名，放置在(文本)文件的开头，以区分 utf-16 编码字节的顺序(如 utf-16存储 2 个字节(或 16 位)或字节顺序的字符:某些系统将最高有效字节放在前面(大端 -> utf-16be)，而另一些则将最低有效字节放在前面(小端)字节序 -> utf-16le)。该签名称为BOM:字节顺序标记

• 在 utf-8 中，每个字符都由一个字节表示(大于 127 的扩展字符除外，它们使用特殊的字节序列)，从而指定一个字节order 是无稽之谈，但这个签名无论如何对于检测 utf-8 文件而不是纯文本 ascii 很有用。 utf-8 文件与 ascii 文件的区别仅在于扩展字符，如果不解析整个文件，就不可能检测到这一点，直到找到一个伪 BOM 使其立即可见为止。 (顺便说一句，Emacs 进行此类自动检测非常高效)

• 仅供引用，BOM 是作为文件的第一个字节的以下字节:

  • utf-16le:FF FE
  • utf-16be:FE FF
  • utf-8:EF BB BF

• 您可以使用 find-file-literally 要求 Emacs 打开一个文件而不进行任何转换:如果第一行以  开头，您会看到未解码的 utf-8 BOM

• 在使用编码时需要一些额外的帮助，您可以引用 this complementary answer "How to see encodings in emacs"

正如 @wvxvw 所说，您的问题是文件开头可能缺少 BOM，导致文件被错误地解释和渲染。 顺便说一句，M-x hexl-mode 也是一个非常方便的工具来检查文件的原始内容。感谢您向我指出(我经常为此使用外部十六进制编辑器，而它可以直接在 Emacs 中完成)