读取文本出现 锘 * 系列乱码错误（UTF-8 BOM问题）的原因及解决方法

现象

读取文本时经常会出现锘*系列错误。

例1：锘縣，其实开头的文本是h，http被显示为锘縣ttp

例2：锘缝，其实开头的文本是p，public被显示为锘缝ulic

只要文本的首字母为锘的都属于这类错误，在Python、Java、PHP等等使用过程中都会遇到，这类错误与语言无关，错误的原因是UTF-8的BOM。

原因

BOM即Byte Order Mark，是UTF-8文档的Unicode签名，即EF BB BF这三个字节，当把文件编码选为UTF-8时，系统会自动在文件头部添加上EF BB BF这三个字节，而选为UTF-8 NO BOM时会自动去掉这三个字节。

BOM是可选的，可以用来检测一个字节流是否是UTF-8编码的。微软做这种检测，但有些软件不做这种检测，而把它当作正常字符处理。

微软在自己的UTF-8格式的文本文件之前加上了EF BB BF三个字节， windows上面的notepad等程序就是根据这三个字节来确定一个文本文件是ASCII的还是UTF-8的，然而这个只是微软暗自作的标记，其它平台上并没有对UTF-8文本文件做个这样的标记。

解决办法

尽量使用notepad++，sublime，editplus等不直接加BOM的文本编辑器使用ultraedit等二进制编辑器去除BOM使用1中的编辑器重新打开文档并重新保存为以UTF-8无BOM格式编码。将编码设置为ASCII，当然这也很多中文就麻烦了用Python去除BOM

import codecsdata = open("Test.txt").read()if data[:3] == codecs.BOM_UTF8:data = data[3:]print data.decode("utf-8")