Python中如何在UTF-16文件中定位?

Question

我不知道为什么我无法在我的UTF-16文件中进行查找。它给我报了个错：'UnicodeException: UTF-16流没有以BOM开头'。这是我的代码：

f = codecs.open(ai_file, 'r', 'utf-16')
seek = self.ai_map[self._cbClass.Text]  #seek is valid int
f.seek(seek)
while True:
    ln = f.readline().strip()

我尝试了一些随机的方法，比如先从流中读取一些东西，但没用。我用十六进制编辑器检查了寻址的偏移量——字符串是从字符开始的，而不是从空字节开始的（我想这应该是个好兆头，对吧？）那么，如何在Python中查找UTF-16文件呢？

Answer 1

这个错误信息告诉你原因：它没有读取字节顺序标记。字节顺序标记是在文件的开头。如果没有读取这个标记，UTF-16解码器就不知道字节的顺序是什么。看起来它是懒惰地处理这个问题，也就是说在你第一次读取的时候才去判断，而不是在打开文件的时候就判断——或者它在假设seek()是在开始一个新的UTF-16流。

如果你的文件没有字节顺序标记，那肯定是问题所在，你在打开文件时应该指定字节顺序（见下面的第2点）。否则，我看到有两个可能的解决办法：

1. 在进行寻址之前，先读取文件的前两个字节来获取字节顺序标记。你似乎说这样做没有效果，这可能是因为它在寻址后期待一个新的UTF-16流，所以：

2. 在打开文件时，明确指定字节顺序，使用utf-16-le或utf-16-be作为编码格式。