Question

正如本章前面所介绍的，一些编码方式在文件的开始处存储了一个特殊的字节顺序标记（BOM）序列，来指定数据的大小尾方式或声明编码类型。如果编码名暗示了BOM的时候，Python在输入和将其写入输出的时候都会忽略该标记，但是有时候必须使用一个特定的编码名称来迫使显式地处理BOM。

例如，当我们把一个文本文件保存到Windows Notepad中的时候，可以在一个下拉列表中指定其编码类型——简单的ASCII文本、UTF-8或者小尾或大尾的UTF-16。例如，如果一个单行的、名为spam.txt的文本文件在Notepad中按照编码类型"ANSI"保存，它会编写为一个简单的ASCII文件而没有一个BOM。当这个文件在Python中以二进制模式读取的时候，我们可以看到存储在文件中的真正的bytes。当它作为文本读取的时候，Python默认会执行行尾转换，既然ASCII是UTF-8的一个子集（并且UTF-8是Python 3.0的默认编码），我们可以将其显式地解码为UTF-8文本：

如果文件在Notepad中保存为"UTF-8"，预先使用一个3字节UTF-8 BOM序列，并且我们需要给出更多具体编码名称（"utf-8-sig"）来迫使Python跳过标记：

如果文件作为“Unicode大尾”存储在Notepad中，我们得到了文件中的UTF-16格式的数据，预先使用一个两字节的BOM序列——在Python中，编码名"utf-16"忽略BOM，因为它是暗示的（因为所有的UTF-16文件都有一个BOM），并且"utf-16-be"处理大尾格式但不会忽略BOM：

对于输出通常也是这样。当用Python代码写入一个Unicode文件，我们需要一个更加显式的编码名称来强迫UTF-8中带有BOM——"utf-8"不会写入（或忽略）BOM，但"utf-8-sig"会这么做：

注意，尽管"utf-8"没有抛弃BOM，但不带BOM的数据可以用"utf-8"和"utf-8-sig"读取——如果你不确定一个文件中是否有BOM，使用后者进行输入（在机场安全检测线上，不要大声读出这一段）：

最后，对于编码名"utf-16"，BOM自动处理：在输出上，数据以平台本地的大小尾方式写入，并且，BOM总是会写的；在输入上，数据根据每个BOM解码，并且BOM总是会去除掉。更具体的UTF-16编码名称可以指定不同的大小尾，尽管在某些情况下如果需要或显示BOM的话，我们必须自己手动地编写和略过BOM：

更具体的UTF-16编码名称对于缺乏BOM的文件都工作得很好，尽管"utf-16"在输入时需要一个BOM以便确定字节顺序：

自己尝试实验这些编码，或者查看Python的库手册，以了解关于BOM的更多细节。