当我尝试在Weka中打开一个ARFF文件时遇到了问题。

当ARFF文件的编码设置为ANSI时，一切运行良好。但是当我将编码设置为utf-8（这是我的数据所需的编码）时，我得到了以下错误：

无法确定结构为arff(原因 java.io.Exception: 预期关键字 @relation，读取的标记[@relation]，第1行)。

我的ARFF文件似乎格式正确。

@relation myrelation@attribute pagename string@attribute pagetext string@attribute pagecategory string@attribute pageclass {0,1,2,3,4,5,6,7,8,9,10}@data.......

注意：我还在RunWeka.ini文件中将文件编码更改为utf-8

回答：

由于错误提到的是第1行，我怀疑UTF-8文件的开头可能带有一个BOM（字节顺序标记）。这种不必要的零宽度空格是由Windows下的Notepad用来区分ANSI文本文件和UTF-8文本文件的。

创建不带BOM的文件，U+FEFF。这可以通过程序员编辑器（如JEdit、Notepad++）、某些十六进制编辑器来完成，或者你可以删除第一行并重新输入。检查文件大小。

许多解析器并不期望这样的BOM，不将其视为空白字符，并且会因此卡住。

Path path = Paths.get("...");String s = new String(Files.readAllBytes(path), StandardCharsets.UTF_8);String t = s.replaceFirst("^\uFEFF", "");if (!s.equals(t)) {    System.out.println("UTF-8文本中存在BOM字符");    Files.write(path, t.getBytes(StandardCharsets.UTF_8)); // 替换文件！}