ruby-on-rails - 在 RUBY 中检测到隐藏 BOM 字符时如何引发错误

Question

这里有详细内容。我有一个包含隐藏 BOM 字符的文件，如下所示

2225612|22225200240|堆栈溢出|帮助开发人员 - 第 1 行 þÿ2225612|22225200240|KIRK|队长 - 第 2 行 2225612|22225200240|感谢þÿ|INADVANCE - 第 3 行

现在我有了处理每一行的脚本。根据我的假设，必须处理第一行，因为它没有任何 BOM 字符。但是，当第二行开始处理时，由于已识别 BOM 字符，因此应该会引发错误。 BOM 字符不仅可以位于行首，还可以位于行中的任何位置。供您引用，突出显示的字符就是 BOM 字符。

当我使用正则表达式 /[^[:print]]/ 和 gsub 时，它会将空格或换行符视为 BOM 字符。我只想检测 BOM 字符。

任何人都可以为此编写脚本吗？提前感谢大家

Answer 1

我认为这个正则表达式应该有效:

if line =~ /\xEF\xBB\xBF/   # If line contains BOM character
   fail "Line contains a BOM char!"
end

如果您遇到编码问题，将行和正则表达式强制为 UTF-8 可能会有所帮助，如下所示:

regexp = Regexp.new("\xEF\xBB\xBF".force_encoding("UTF-8"), Regexp::FIXEDENCODING)
if line.force_encoding("UTF-8") =~ regexp
  # ...