Perl 获取从文件读取的字符串的编码

我正在尝试将perl脚本转换为powershell脚本。当脚本读取日志文件并且必须获取文件的编码时，我遇到了部分问题

以下是perl代码：

sub get_encoding {
my $f = shift;
my $fh;
return "ASCII" if (!open ($fh,"<",$f));
my $b = "";
my $n = read ($fh,$b,2);
close ($fh);
return "UTF-16" if ($b eq "\x{ff}\x{fe}");
return "ASCII";
}

其中$l->{file}是日志文件的路径

有人能解释一下发生了什么，特别是在这一行：

return "UTF-16" if ($b eq "\x{ff}\x{fe}");

如果有人知道在powershell中实现这一点的好方法，那么任何提示都值得一提

吉斯利

来自

从

---

脚本从$f:

my$n=read（$fh，$b，2）将之前的两个字节读入$b

该行测试这两个字节是否为FF和FE

我猜FF，FE是UTF-16小端编码的字节顺序标记
请参见此处
脚本先前从$f:
my$n=read（$fh，$b，2）将两个字节读入$b

该行测试这两个字节是否为FF和FE

我猜FF，FE是UTF-16小端编码的字节顺序标记
请参见此处
程序读取并检查给定文件的前2个字节，以决定是否应返回字符串“ASCII”或“UTF-16”

以下是一些更详细的说明：

如果文件由于任何原因无法打开，它将返回“ASCII”。（奇怪，但它就是这么做的。）

文件句柄
$fh
在读取后立即被
关闭
ed

close ($fh);

如果
$b
的值正好是“\x{ff}\x{fe}”，则返回“UTF-16”。虽然返回“UTF-16BE”更准确
\x{..}
是字节的十六进制值表示形式。因此，
“\x{ff}\x{fe}”
中有两个字节，而不是10或12

return "UTF-16" if ($b eq "\x{ff}\x{fe}");

最后，如果
$b
不等于“\x{ff}\x{fe}”，则返回ASCII

return "ASCII";

程序读取并检查给定文件的前2个字节，以决定是否返回字符串“ASCII”或“UTF-16”

以下是一些更详细的说明：

如果文件由于任何原因无法打开，它将返回“ASCII”。（奇怪，但它就是这么做的。）

文件句柄
$fh
在读取后立即被
关闭
ed

close ($fh);

如果
$b
的值正好是“\x{ff}\x{fe}”，则返回“UTF-16”。虽然返回“UTF-16BE”更准确
\x{..}
是字节的十六进制值表示形式。因此，
“\x{ff}\x{fe}”
中有两个字节，而不是10或12

return "UTF-16" if ($b eq "\x{ff}\x{fe}");

最后，如果
$b
不等于“\x{ff}\x{fe}”，则返回ASCII

return "ASCII";

这句话在我看来真像个虫子。我认为应该阅读
返回“UTF-16”if（$b eq“\xFF\xFE”）-即：它应该将从文件读入的字节与字节字符串（而不是字符串）进行比较<代码>“\xE9”
是一个包含单字节0xE9的字节字符串
“\x{E9}”
是一个字符串，其中包含Unicode代码点0+00E9处的字符。在我看来，该行实际上像一个bug。我认为应该阅读
返回“UTF-16”if（$b eq“\xFF\xFE”）-即：它应该将从文件读入的字节与字节字符串（而不是字符串）进行比较<代码>“\xE9”
是一个包含单字节0xE9的字节字符串
“\x{E9}”
是一个字符串，包含Unicode代码点0+00E9处的字符。表示Unicode不准确的部分，因为它是一个字符集，而不是编码。代码应区分UTF-16BE和UTF-16LE。请修复。与UTF-8相关的部分有点不正确，因为UTF-8不需要字节顺序标记（这是一个字节序列；尽管可能会对其进行编码以将其标记为UTF-8）。最后，UTF-8被设计成可以与ASCII交换，如果没有使用U+007f以外的字符。@daxim&sstn请参阅我答案中的链接，这里有一个更准确的脚本。这不是我厨房里的汤，而是一个更好的准确脚本的良好起点感谢所有的评论。有没有更简单的方法来检查这一点。我可以通过读取两个字节并像在perl脚本中一样检查它们来进行检查吗？它说Unicode不准确，因为它是一个字符集，而不是编码。代码应区分UTF-16BE和UTF-16LE。请修复。与UTF-8相关的部分有点不正确，因为UTF-8不需要字节顺序标记（这是一个字节序列；尽管可能会对其进行编码以将其标记为UTF-8）。最后，UTF-8被设计成可以与ASCII交换，如果没有使用U+007f以外的字符。@daxim&sstn请参阅我答案中的链接，这里有一个更准确的脚本。这不是我厨房里的汤，而是一个更好的准确脚本的良好起点感谢所有的评论。有没有更简单的方法来检查这一点。我可以通过读取两个字节并像在perl脚本中一样检查它们来进行检查吗？
return "ASCII";