¿Cómo elimino ï »¿desde el principio de un archivo?

Tengo un archivo CSS que se ve bien cuando lo abro usando gedit , pero cuando es leído por PHP (para combinar todos los archivos CSS en uno), este CSS tiene los siguientes caracteres antepuestos: ï »¿

PHP elimina todo el espacio en blanco, por lo que un ï »¿aleatorio en el medio del código lo estropea todo. Como mencioné, en realidad no puedo ver estos caracteres cuando abro el archivo en gedit, por lo que no puedo eliminarlos muy fácilmente.

Busqué en Google el problema, y ​​claramente hay algo mal con la codificación del archivo, lo que tiene sentido ya que he estado cambiando los archivos a diferentes servidores Linux / Windows a través de ftp y rsync , con una variedad de editores de texto. Sin embargo, no sé mucho sobre codificación de caracteres, por lo que agradecería su ayuda.

Si ayuda, el archivo se está guardando en formato UTF-8, y gedit no me permite guardarlo en formato ISO-8859-15 (el documento contiene uno o más caracteres que no pueden codificarse utilizando la codificación de caracteres especificada). Intenté guardarlo con los finales de línea de Windows y Linux, pero ninguno me ayudó.

Tres palabras para ti:

Marca de orden de bytes (BOM)

Esa es la representación de la lista de materiales UTF-8 en ISO-8859-1. Debe decirle a su editor que no use listas de materiales o que use un editor diferente para eliminarlas.

Para automatizar la eliminación de la lista de materiales, puede usar awkcomo se muestra en esta pregunta .

Como dice otra respuesta , lo mejor sería que PHP interprete realmente la lista de materiales correctamente, para eso puede usar mb_internal_encoding(), así:

 <?php
   //Storing the previous encoding in case you have some other piece 
   //of code sensitive to encoding and counting on the default value.      
   $previous_encoding = mb_internal_encoding();

   //Set the encoding to UTF-8, so when reading files it ignores the BOM       
   mb_internal_encoding('UTF-8');

   //Process the CSS files...

   //Finally, return to the previous encoding
   mb_internal_encoding($previous_encoding);

   //Rest of the code...
  ?>

Abra su archivo en Notepad ++ . En el menú Codificación , seleccione Convertir a UTF-8 sin BOM , guarde el archivo, reemplace el archivo antiguo con este nuevo archivo. Y funcionará, maldita sea.

En PHP , puede hacer lo siguiente para eliminar todos los caracteres que no sean, incluido el carácter en cuestión.

$response = preg_replace('/[\x00-\x1F\x80-\xFF]/', '', $response);

Para aquellos con acceso de shell, aquí hay un pequeño comando para encontrar todos los archivos con la lista de materiales configurada en el directorio public_html; asegúrese de cambiarla a la ruta correcta en su servidor

Código:

grep -rl $'\xEF\xBB\xBF' /home/username/public_html

y si te sientes cómodo con el editor vi , abre el archivo en vi:

vi /path-to-file-name/file.php

E ingrese el comando para eliminar la lista de materiales:

set nobomb

Guarda el archivo:

wq

BOM es solo una secuencia de caracteres ($ EF $ BB $ BF para UTF-8), así que simplemente elimínelos usando scripts o configure el editor para que no se agregue.

De Extracción de lista de materiales de UTF-8 :

#!/usr/bin/perl
@file=<>;
$file[0] =~ s/^\xEF\xBB\xBF//;
print(@file);

Estoy seguro de que se traduce a PHP fácilmente.

Para mí, esto funcionó:

<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />

Si elimino este meta, el ï »¿aparece de nuevo. Espero que esto ayude a alguien...

No conozco PHP, así que no sé si esto es posible, pero la mejor solución sería leer el archivo como UTF-8 en lugar de alguna otra codificación. La lista de materiales es en realidad un ESPACIO CERO ANCHO SIN DESCANSO. Esto es un espacio en blanco, por lo que si el archivo se estuviera leyendo en la codificación correcta (UTF-8), la lista de materiales se interpretaría como un espacio en blanco y se ignoraría en el archivo CSS resultante.

Además, otra ventaja de leer el archivo con la codificación correcta es que no tiene que preocuparse de que los caracteres se malinterpreten. Su editor le dice que la página de códigos en la que desea guardarla no tendrá todos los caracteres que necesita. Si PHP está leyendo el archivo con la codificación incorrecta, es muy probable que otros caracteres además de la lista de materiales se malinterpreten en silencio. Use UTF-8 en todas partes y estos problemas desaparecerán.

Puedes usar

vim -e -c 'argdo set fileencoding=utf-8|set encoding=utf-8| set nobomb| wq'

Reemplazar con awk parece funcionar, pero no está en su lugar.

grep -rl $ '\ xEF \ xBB \ xBF' * | xargs vim -e -c 'argdo set fileencoding = utf-8 | set encoding = utf-8 | establecer nobomb | wq '

Tuve el mismo problema con la lista de materiales que aparece en algunos de mis archivos PHP (ï »¿ï» ¿).

Si usa PhpStorm , puede configurarlo en la tecla de acceso rápido para eliminarlo en Configuración -> Configuración IDE -> Mapa de teclas -> Menú principal -> Archivo -> Eliminar lista de materiales.

En Notepad ++, elija el menú "Codificación", luego "Codificar en UTF-8 sin BOM". Entonces guardar.

Consulte la pregunta sobre desbordamiento de pila. ¿ Cómo hacer que el Bloc de notas guarde texto en UTF-8 sin BOM? .

Abra el archivo PHP en cuestión, en Notepad ++.

Haga clic en Codificación en la parte superior y cambie de "Codificación en UTF-8 sin BOM" a "Codificación en UTF-8". Guarde y sobrescriba el archivo en su servidor.

Mismo problema, diferente solución.

Una línea en el archivo PHP imprimía encabezados XML (que usan las mismas etiquetas de inicio / finalización que PHP). Parece que el código dentro de estas etiquetas establece la codificación, y se ejecutó dentro de PHP, lo que resultó en caracteres extraños. De cualquier manera, aquí está la solución:

# Original
$xml_string = "<?xml version=\"1.0\" encoding=\"UTF-8\"?>";

# fixed
$xml_string = "<" . "?xml version=\"1.0\" encoding=\"UTF-8\"?" . ">";

Si necesita poder eliminar la lista de materiales de los archivos codificados en UTF-8, primero debe buscar un editor que los conozca.

Yo personalmente uso E Text Editor .

En la parte inferior derecha, hay opciones para la codificación de caracteres, incluida la etiqueta BOM. Cargue su archivo, anule la selección de Marcador de orden de bytes si está seleccionado, vuelva a guardarlo y debería hacerlo.

Texto alternativo http://oth4.com/encoding.png

E no es gratuito, pero hay una versión de prueba gratuita y es un excelente editor ( compatibilidad limitada con TextMate ).

Puede abrirlo con PhpStorm y hacer clic derecho en su archivo y hacer clic en Eliminar lista de materiales ...

Aquí hay otra buena solución para el problema con BOM. Estos son dos scripts VBScript (.vbs).

Una para encontrar la lista de materiales en un archivo y otra para MATAR a la maldita lista de materiales en el archivo. Funciona bastante bien y es fácil de usar.

Simplemente cree un archivo .vbs y pegue el siguiente código en él.

Puede usar el script VBScript simplemente arrastrando y soltando el archivo sospechoso en el archivo .vbs. Le dirá si hay una lista de materiales o no.

' Heiko Jendreck - personal helpdesk & webdesign
' http://www.phw-jendreck.de
' 2010.05.10 Vers 1.0
'
' find_BOM.vbs
' ====================
' Kleines Hilfsmittel, welches das BOM finden soll
'
 Const UTF8_BOM = ""
 Const UTF16BE_BOM = "þÿ"
 Const UTF16LE_BOM = "ÿþ"
 Const ForReading = 1
 Const ForWriting = 2
 Dim fso
 Set fso = WScript.CreateObject("Scripting.FileSystemObject")
 Dim f
 f = WScript.Arguments.Item(0)
 Dim t
 t = fso.OpenTextFile(f, ForReading).ReadAll
 If Left(t, 3) = UTF8_BOM Then
     MsgBox "UTF-8-BOM detected!"
 ElseIf Left(t, 2) = UTF16BE_BOM Then
     MsgBox "UTF-16-BOM (Big Endian) detected!"
 ElseIf Left(t, 2) = UTF16LE_BOM Then
     MsgBox "UTF-16-BOM (Little Endian) detected!"
 Else
     MsgBox "No BOM detected!"
 End If

Si te dice que hay BOM, ve y crea el segundo archivo .vbs con el siguiente código y arrastra el archivo sospechoso al archivo .vbs.

' Heiko Jendreck - personal helpdesk & webdesign
' http://www.phw-jendreck.de
' 2010.05.10 Vers 1.0
'
' kill_BOM.vbs
' ====================
' Kleines Hilfmittel, welches das gefundene BOM löschen soll
'
Const UTF8_BOM = ""
Const ForReading = 1
Const ForWriting = 2
Dim fso
Set fso = WScript.CreateObject("Scripting.FileSystemObject")
Dim f
f = WScript.Arguments.Item(0)
Dim t
t = fso.OpenTextFile(f, ForReading).ReadAll
If Left(t, 3) = UTF8_BOM Then
    fso.OpenTextFile(f, ForWriting).Write (Mid(t, 4))
    MsgBox "BOM gelöscht!"
Else
    MsgBox "Kein UTF-8-BOM vorhanden!"
End If

El código es de Heiko Jendreck .

En PHPStorm, para múltiples archivos y BOM no necesariamente al comienzo del archivo, puede buscar \x{FEFF}(Expresión regular) y reemplazarlo por nada.

El mismo problema, pero solo afectó a un archivo, así que acabo de crear un archivo en blanco, copié / pegué el código del archivo original al nuevo archivo y luego reemplacé el archivo original. No es lujoso pero funcionó.

Use Total Commander para buscar todos los archivos BOMed:

¿Una forma elegante de buscar archivos UTF-8 con BOM?

• Abra estos archivos en algún editor apropiado (que reconozca BOM) como Eclipse .

• Cambie la codificación del archivo a ISO (clic derecho, propiedades).

• Corte ï »¿desde el principio del archivo, guarde

• Vuelva a cambiar la codificación del archivo a UTF-8

... y ni siquiera pienses en usar n ... d otra vez!

Yo tuve el mismo problema. El problema fue porque uno de mis archivos php estaba en utf-8 (el más importante, el archivo de configuración que se incluye en todos los archivos php).

En mi caso, tenía 2 soluciones diferentes que funcionaron para mí:

Primero, cambié la configuración de Apache usando AddDefaultCharsetDirective en los archivos de configuración (o en .htaccess). Esta solución obliga a Apache a usar la codificación correcta.

AddDefaultCharset ISO-8859-1

La segunda solución fue cambiar la codificación incorrecta del archivo php.

1. Copie el texto de su archivo filename.css.
2. Cierra tu archivo CSS.
3. Cambie el nombre de filename2.css para evitar un choque de nombre de archivo.
4. En MS Notepad o Wordpad, cree un nuevo archivo.
5. Pega el texto en él.
6. Guárdelo como filename.css, seleccionando UTF-8 de las opciones de codificación.
7. Cargue filename.css.

Verifique su index.php, encuentre "... charset=iso-8859-1" y reemplácelo con "... charset=utf-8".

Quizás funcione.