Clojure 带BOM的UTF-8文件中第一行的长度

下午好。假设我有一个只有一个字母的utf-8文件，比如说“f”（无\n和空格），然后我尝试获得一个行长度序列

(with-open [rdr (reader "test.txt")] 
  (doall (map #(.length %) (line-seq rdr))))

我得到

=> (2)

---

为什么?？有什么优雅的方法可以获得第一个字符串的正确长度吗？

中讨论了Java中的BOM问题。它似乎可以从Apache的Commons中抽象出来，或者必须手动删除，即

(defn debomify
  [^String line]
  (let [bom "\uFEFF"]
    (if (.startsWith line bom)
      (.substring line 1)
      line)))

(doall (map #(.length %) (.split (debomify (slurp "test.txt")) "\n")))

如果您想使用

line seq

惰性地读取文件，例如，因为文件太大，您必须使用

debomify

处理第一行。其余的可以正常读取。因此：

(defn debommed-line-seq
  [^java.io.BufferedReader rdr]
  (when-let [line (.readLine rdr)]
    (cons (debomify line) (lazy-seq (line-seq rdr)))))

---

我无法复制它。我在UTF-8文件中使用了您的代码，该文件包含一个或两个字节的字符，无论结尾是否有

\n

。在所有情况下，我都得到了

（1）

。你的Clojure版本是什么？只是一个随机的想法，如果你在测试文件中放一个BOM会怎么样？我的Clojure版本是1.4。是的，事实上这就是BOM。我怎样才能绕过这个问题呢？谢谢。也许这是一个解决方案。感谢您提供更详细的版本。也许更优化的方法是简单地进行（debomify（slurp“test.txt”））然后将其拆分。@öцццццццццц，谢谢，您完全正确。我已经确定了答案。@michielworkent，…懒散的方法是受欢迎的。谢谢你指出这一点。