☰

¿Cómo encontrar todos los archivos en el directorio que contienen UTF-8 BOM (marca de orden de bytes)?

tag-icon • tag-icon windows search utf-8
¿Cómo encontrar todos los archivos en el directorio que contienen UTF-8 BOM (marca de orden de bytes)?

En Windows, necesitobusque todos los archivos en un directorio que contenga UTF-8 BOM(marca de orden de bytes). ¿Qué herramienta puede hacer eso y cómo?

Puede ser un script de PowerShell, la función de búsqueda avanzada de algún editor de texto o lo que sea.

Respuesta1

A continuación se muestra un ejemplo de un script de PowerShell. Busca en la C:ruta cualquier archivo donde estén los primeros 3 bytes 0xEF, 0xBB, 0xBF.

Function ContainsBOM
{   
    return $input | where {
        $contents = [System.IO.File]::ReadAllBytes($_.FullName)
        $_.Length -gt 2 -and $contents[0] -eq 0xEF -and $contents[1] -eq 0xBB -and $contents[2] -eq 0xBF }
}

get-childitem "C:\*.*" | where {!$_.PsIsContainer } | ContainsBOM

¿Es necesario "ReadAllBytes"? ¿Quizás leer solo unos pocos primeros bytes funcionaría mejor?

Punto justo. Aquí hay una versión actualizada que solo lee los primeros 3 bytes.

Function ContainsBOM
{   
    return $input | where {
        $contents = new-object byte[] 3
        $stream = [System.IO.File]::OpenRead($_.FullName)
        $stream.Read($contents, 0, 3) | Out-Null
        $stream.Close()
        $contents[0] -eq 0xEF -and $contents[1] -eq 0xBB -and $contents[2] -eq 0xBF }
}

get-childitem "C:\*.*" | where {!$_.PsIsContainer -and $_.Length -gt 2 } | ContainsBOM

Respuesta2

Como nota al margen, aquí hay un script de PowerShell que utilizo para eliminar los caracteres de la lista de materiales UTF-8 de mis archivos fuente:

$files=get-childitem -Path . -Include @("*.h","*.cpp") -Recurse
foreach ($f in $files)
{
(Get-Content $f.PSPath) | 
Foreach-Object {$_ -replace "\xEF\xBB\xBF", ""} | 
Set-Content $f.PSPath
}

Respuesta3

Si está en una computadora empresarial (como yo) con privilegios restringidos y no puede ejecutar el script de PowerShell, puede usar un Notepad++ portátil conPythonScriptcomplemento para realizar la tarea, con el siguiente script:

import os;
import sys;
filePathSrc="C:\\Temp\\UTF8"
for root, dirs, files in os.walk(filePathSrc):
    for fn in files:
      if fn[-4:] != '.jar' and fn[-5:] != '.ear' and fn[-4:] != '.gif' and fn[-4:] != '.jpg' and fn[-5:] != '.jpeg' and fn[-4:] != '.xls' and fn[-4:] != '.GIF' and fn[-4:] != '.JPG' and fn[-5:] != '.JPEG' and fn[-4:] != '.XLS' and fn[-4:] != '.PNG' and fn[-4:] != '.png' and fn[-4:] != '.cab' and fn[-4:] != '.CAB' and fn[-4:] != '.ico':
        notepad.open(root + "\\" + fn)
        console.write(root + "\\" + fn + "\r\n")
        notepad.runMenuCommand("Encoding", "Convert to UTF-8 without BOM")
        notepad.save()
        notepad.close()

El crédito va ahttps://pw999.wordpress.com/2013/08/19/mass-convert-a-project-to-utf-8-using-notepad/

Respuesta4

Powershell prueba los primeros dos bytes. El lado derecho de operadores como -eq se convierte en una cadena.

dir -file | 
% { $utf8bom = '239 187' -eq (get-content $_.fullname -AsByteStream)[0..1]
    [pscustomobject]@{name=$_.name; utf8bom=$utf8bom} }

name        utf8bom
----        -------
foo           False
script.ps1     True
script.ps1~   False

información relacionada