GNU wc 的四种计数：最后一行没有换行，行数为什么少一 上传一份两行文本，编辑器看见两条记录，wc -l却只报一；再换成wc -m，数字又和文件大小不同。这几种结果可以同时正确，因为它们回答的是不同问题。只有先规定记录怎样结束、文本怎样编码、宽度怎样计算，计数才能成为验收... yunqueblog/ 技术教程/ 2026-10-03/ 4 阅读
GNU split 按行切分验收：最后一行没有换行，怎样确认重组后仍是原文件 大文本分批处理后，分片数量看起来正确，合回去却可能因为顺序、旧文件混入或换行处理而变化。只检查“每片能打开”不足以证明拆分无损。本例用一个最后没有换行的中文小文件，从分片清单到字节重组建立完整验收，先把边界讲清再放大... yunqueblog/ 技术教程/ 2026-10-03/ 4 阅读
TextEncoder.encodeInto 的容量边界：还剩三个字节，为什么表情一个字节也没写入 把字符串写进固定容量的Uint8Array时，缓冲区还剩空间，并不表示编码器会把下一个字符切开塞进去。encodeInto要为一个码点写入完整UTF-8序列；如果剩余容量不足，就在该码点之前停止，并报告本次读了多少输... yunqueblog/ 技术教程/ 2026-10-02/ 3 阅读
Python surrogateescape 往返：字节不是合法 UTF-8，怎样保留它而不替换成问号 有些工具需要把带有少量非法字节的旧日志读进来，检查能识别的部分，再原样写回。errors="replace"虽然能让读取继续，却已经把出错字节换掉；等到保存时，原来究竟是FF还是另一个字节就无法从替代符号还原了。su... yunqueblog/ 技术教程/ 2026-10-02/ 3 阅读
TextDecoder 的 ignoreBOM：设为 true，为什么开头反而多出一个不可见字符 读取带 UTF-8 BOM 的短文本时，开发者把 ignoreBOM 设为 true，期待忽略文件开头的标记，字符串却多了一个 U+FEFF。这个名字容易被理解反了：true 会忽略BOM的特殊处理，使对应字符进入结... yunqueblog/ 技术教程/ 2026-10-02/ 2 阅读
Python UTF-8 分块解码：字符跨过读取边界时，怎样保留未完成字节 读取日志流时，英文测试完全正常，换成中文就偶发 UnicodeDecodeError，常见原因是把每次收到的字节块直接解码。读取边界由缓冲区决定，未必落在字符边界上。某一块末尾只含一个字符的前半段，并不能直接说明原数... yunqueblog/ 技术教程/ 2026-10-01/ 4 阅读
yunqueblog
