谷歌做英文网站网络舆情分析案例

windows用的是\r\n来做分行的linux是\n

一、文本格式转换中的^M符号

1. 跨平台文本文件：

   • 当在Windows系统下编辑的文本文件被转移到Unix/Linux系统下打开时，由于Windows系统使用CR+LF（\r\n）作为行结束符，而Unix/Linux系统使用LF（\n）作为行结束符，因此可能会出现M这种特殊形式出现。

2. 文本编辑器设置：

   • 在某些文本编辑器（如Vim）中，如果编辑器被配置为识别Unix格式的文件，但打开的文件实际上是Dos格式的（即使用CR+LF作为行结束符），那么编辑器可能会将CR字符显示为^M。

二、历史和技术背景

1. 打字机时代：

   • 在计算机诞生之前，打字机使用两个字符来开始一个新行：首先是回车（CR），将打印头移回行首；然后是换行（LF），将纸张向上移动一行。这两个动作分别对应着\r和\n字符。

2. 计算机存储：

   • 在计算机存储成本高昂的年代，为了节省存储空间，一些系统（如MS-DOS和早期的Windows）选择了沿用打字机的回车换行传统，使用CR+LF作为行结束符。

3. 编辑器识别：

   • 现代文本编辑器（如Vim）通常能够识别并处理不同格式的行结束符。但是，如果编辑器的设置与文件的实际格式不匹配，就可能会出现^M这样的特殊表示。

三、解决方法

1. 修改编辑器设置：

   • 在Vim中，可以通过设置fileformats选项来指定编辑器能够自动识别的文件格式集合。例如，将fileformats设置为unix,dos，这样Vim就可以自动识别并处理Unix和Dos格式的文件了。

2. 使用转换工具：

   • 可以使用如dos2unix这样的工具将Windows下的文本文件转换成符合Unix/Linux系统要求的文件。

3. 手动替换：

   • 在文本编辑器中，可以使用全局替换功能将^M符号（实际上是CR字符）替换掉。在Vim中，可以使用:%s/\r//g这样的命令来全局替换CR字符。
4. dos2unix <文件名>
5. 读取后做最后一个字符的值判断处理

综上所述，^M符号主要在跨平台文本文件传输和编辑器设置不匹配时生成。了解这一点有助于我们更好地处理文本文件中的行结束符问题。