Php 使用BOM搜索UTF-8文件的优雅方式？

出于调试目的，我需要递归地在目录中搜索所有以UTF-8字节顺序标记（BOM）开头的文件。我当前的解决方案是一个简单的shell脚本：

find -type f |
while read file
do
    if [ "`head -c 3 -- "$file"`" == $'\xef\xbb\xbf' ]
    then
        echo "found BOM in: $file"
    fi
done

或者，如果您喜欢简短、不可读的单行线：

find -type f|while read file;do [ "`head -c3 -- "$file"`" == $'\xef\xbb\xbf' ] && echo "found BOM in: $file";done

它不适用于包含换行符的文件名， 但无论如何，这样的文件是不可能出现的

有没有更短或更优雅的解决方案

---

文本编辑器有什么有趣的文本编辑器或宏吗？

如果您接受了一些假阳性（如果有非文本文件，或者在文件中间不存在ZWNBSP），可以使用GRP:< /P>

fgrep -rl `echo -ne '\xef\xbb\xbf'` .

• find-print0

  在每个文件名之间放置null\0，而不是使用新行

• xargs-0

  要求使用空分隔参数，而不是行分隔参数

• grep-l

  列出与正则表达式匹配的文件
• regex

  ^\xeff\xbb\xbf

  并不完全正确，因为如果非BOMed UTF-8文件在行首有零宽度空格，它将匹配这些文件

---

我会使用类似于：

grep -orHbm1 "^`echo -ne '\xef\xbb\xbf'`" . | sed '/:0:/!d;s/:0:.*//'

./invalid.php: TRAILING whitespace ("?>\n")
./invalid.php: UTF-8 BOM alone ("\xEF\xBB\xBF")

---

这将确保BOM表从文件的第一个字节开始出现。

这个简单的命令如何，它不仅查找而且清除讨厌的BOM表？：）

我喜欢“寻找”：

警告上述操作将修改包含这三个字符的二进制文件

如果只想显示BOM表文件，请使用以下选项：

grep -rl $'\xEF\xBB\xBF' .

---

上面给出的大多数解决方案都比文件的第一行测试更多，即使有些解决方案（如Marcus的解决方案）会过滤结果。此解决方案只测试每个文件的第一行，因此速度应该更快。

在Windows上执行此操作的最佳和最简单方法：

→ 转到项目的根目录→ 查找文件（Alt+F7）→ 文件类型**→ 查找文本“EF BB BF”→ 选中“十六进制”复选框→ 搜寻

---

您将获得以下列表：）

对于Windows用户，请参阅（用于在项目中查找

BOM

的好PHP脚本）。

解决此问题的一个简单方法是（不是同名的

vi

工具），它专门查找PHP脚本：

phptags --warn ./

将输出如下内容：

grep -orHbm1 "^`echo -ne '\xef\xbb\xbf'`" . | sed '/:0:/!d;s/:0:.*//'

./invalid.php: TRAILING whitespace ("?>\n")
./invalid.php: UTF-8 BOM alone ("\xEF\xBB\xBF")

---

而

--whitespace

模式将自动修复此类问题（递归地，但声明它只重写.php脚本）。

我使用此模式仅更正JavaScript文件：

find . -iname *.js -type f -exec sed 's/^\xEF\xBB\xBF//' -i.bak {} \; -exec rm {}.bak \;

---

您可以使用

grep

查找它们，并使用Perl将它们删除，如下所示：

grep -rl $'\xEF\xBB\xBF' . | xargs perl -i -pe 's{\xEF\xBB\xBF}{}'

---

如果您正在查找UTF文件，则可以使用。它将告诉您文件的编码是什么。如果其中有任何非ASCII字符，它将使用UTF

file *.php | grep UTF

但这不会递归地起作用。您可能可以装配一些奇特的命令使其递归，但我只是像下面那样逐个搜索每个级别，直到用尽所有级别

file */*.php | grep UTF

---

在grepGot在Linux（RHEL6）

find上处理以下内容之前，管道中仍然需要一个“head1”-键入f-print0 | xargs-0 awk'/^\xEF\xBB\xBF/{print FILENAME}{nextfile}'

找到这些文件后，如何修改代码以修复它们？错误地检测带有BOM标记的PDF。。这是因为它搜索整个文档，而不仅仅是第一行或使用ack：“ack'\xEF\xBB\xBF'”将sed命令更改为在前导的“s”之前添加1，这样它只适用于第一行使用

grep-rlI$'\xEF\xBB\xBF.

忽略二进制文件。检测并修改JPG和其他二进制文件，如前所述。链接的网站显示：“网站离线，没有可用的缓存版本”。github中也有相同的脚本：谢谢，伙计，你的回答救了我一天。还有一个BOM查找器：（如果有人不喜欢“自动”清理，或者只是想找到带有BOM的文件）很好，特别是我长期以来最喜欢的Total commander的使用，但不幸的是，它和其他许多应用程序遇到了相同的问题：它搜索fle中的所有字节，报告了如此多的图像等。通过使用正则表达式而不是十六进制并搜索“^\xEF\xBB\xBF”，可以稍微改善这一点。搜索“^\xEF\xBB\xBF”将消除许多图像，但仍有文件在文件的中间包含BOM表（虽然应该很少），当然，任何碰巧包含ascii换行符码的二进制文件都只是BOM表的一部分。尽管如此，所有的图片都在我的测试搜索中消失了。这一张对我有效，但被接受的答案没有（我在Mac电脑上）

file */*.php | grep UTF