如何在读取文本文件时去掉Byte Order标记(BOM)

Question

我试图使用xml-rs库读取生锈中的XML文件。但是，当读取文件时，它会对消息：Unexpected characters outside the root element感到恐慌。

我发现这是因为文件中存在'BOM‘(字节顺序标记)。我如何摆脱这个BOM，这样我才能读取我的文件？该库的作者引用了另一个库bom_remover，我在任何地方都找不到它。

Answer 1

下面是我如何做到这一点的：

• 检测该文件是否具有BOM (我们不应该破坏没有BOM的文件)
• 打开用于读取
• 的文件，读取传递到XML解析库

的文件

• 的这些头字节

为了检测文件是否有BOM，我使用了unicode-bom库(unicode-bom = "1.1.4"在cargo.toml依赖项中)。

// detect BOM
let bom = getbom(&filepath);

let file = File::open(&filepath).unwrap();
let mut reader = BufReader::new(file);

// skip BOM (for now assume always 3 bytes)
if bom != Bom::Null {
    let mut x = [0; 3];
    let _y = reader.read_exact(&mut x);
}

// Parse file using - in this example - the georust/gpx library (which requires a BufReader)
let res: Result<Gpx, GpxError> = read(reader);

加上一个打开文件的简单函数，获取bom信息并再次关闭它：

fn getbom(path: &str) -> Bom {
    let mut file = File::open(path).unwrap();
    Bom::from(&mut file)
}

这段代码也可以通过处理2字节的BOM来改进&当然，也是正确的错误处理。