或 ?使用骆驼从 s3 读取 csv 文件时，字符被添加到第一列

Question

csv 文件位于 S3 存储桶中，我正在使用 camel aws 来使用 csv 文件。 但是，每当将 csv 文件加载到本地时， 或 ?字符被假装到第一列。

例如， 原始文件 名，姓 布莱恩，西

加载到本地后 名字，姓氏 布莱恩，西

我已经对此链接进行了研究：R's read.csv prepending 1st column name with junk text 但是，它似乎不适用于骆驼。

如何从 s3 读取 csv 文件 使用 aws-s3 使用 s3 存储桶中的 csv 文件，例如 "Exchange s3File = consumer.receive(s3Endpoint)" where s3Endpoint = "aws-s3://keys&secret?prefix=%s&deleteAfterRead=false&amazonS3Client=#awsS3client"

Answer 1

字符 是UTF-8 BOM (Hex EF BB BF)。所以这是关于放置在文件开头的文件内容的元数据（因为没有“标题”或类似的地方可以保存它）。

如果您读取以该序列开头的文件，但您将其读取为 Windows 标准编码 (CP1252) 或 ISO-8859-1，您会得到这些文件内容开头的三个奇怪字符。

为避免您必须按照@jws 评论中的建议以 UTF-8 和 BOM 感知方式读取文件。他还为this link 提供了如何使用BOMInputStream 正确读取此类文件的示例。

如果文件被正确读取，并且您将其写回具有不同编码（如 CP1252）的文件中，则应删除 BOM。

那么，现在的问题是您究竟如何使用 Camel 读取文件？如果您（或库）使用非 UTF-8 编码读取它（可能是默认情况下），这就解释了为什么您会在文件内容中获得这些字符。