Caracteres no válidos en fuentes de látex generadas

Question

Estoy ejecutando Doxygen (1.5.8) en un proyecto C# en Visual Studio 2008 en una máquina de Windows con XP. Al generar el código de látex, se incluyen algunas secuencias ilegales. Siempre implica la siguiente secuencia: "ï» ¿"(un latín-i con una dáresis, algo así como el operador de turno binario y una marca de mestización abierta española). Lo he visto suceder en el contexto "ï» ¿usando { bf System} ", pero tal vez hay otros.

Se lee el archivo de látex generado

    \begin{CompactItemize}
    \item 
    using {\bf System}
    \end{CompactItemize}

Mientras que la fuente es simplemente:

using System;
using System.Collections.Generic;
using System.Linq;

¿Algún extraño personaje de Windows BOF? Parece que es solo antes del sistema de uso; Directiva (la primera de cada archivo).

Answer 1



Esa es una representación ISO-8859-1 del personaje codificado U+FEFF UTF-8, la marca de orden de bytes. El BOM está destinado a su uso como el primer punto de código en los archivos UTF-16 y no debe usarse en archivos UTF-8, pero desafortunadamente hay algunas herramientas muy estúpidas que lo producen por defecto. Y si está creando archivos concatenando bits de texto de otros archivos, incluso puede terminar con BOM en el medio de su documento.

Encuentre el editor que está guardando archivos como "UTF-8 con BOM" y quúdelo.

Pregunta actualizada de eta:

ï »¿usando { bf System}

Mientras que la fuente es simplemente:

usando el sistema;

Verifique esa fuente en un editor hexadecimal para un falso oculto oculto antes del 'uso'.

Answer 2

Me parece un problema de codificación de personajes.

Esa secuencia de tres caracteres es la marca de orden de byte unicode 0xfeff codificado en UTF-8, aunque no estoy seguro de por qué la marca de orden de byte se presentaría en el medio de su documentación ... eso podría ser significativo o podría ser una coincidencia.