PowerShell读取UTF-8-BOM文件与硬编码变量输出差异原因及转换方法

问题场景 #

我有一个编码为UTF-8-BOM的input.txt文件，内容为PDVSA PETROCEDEÑO。执行以下PowerShell脚本：

$input = Get-Content -Path input.txt
foreach ($line in $input) {
Write-Output $line
}
Write-Output "PDVSA PETROCEDEÑO"

得到的输出为：

1. PDVSA PETROCEDEÑO
2. PDVSA PETROCEDEOÃ'O

需求：明确输出差异的原因，并将读取文件的字符串格式调整为与硬编码一致，用于SOAP消息。

差异原因 #

• 文件读取编码不匹配：Get-Content默认编码在不同PowerShell版本中存在差异，未指定编码时，UTF-8-BOM文件可能被错误识别为Windows-1252编码，导致特殊字符Ñ被错误解码，输出时出现乱码。
• 硬编码字符串的编码逻辑：脚本中的硬编码字符串会采用PowerShell当前的控制台编码或脚本文件本身的编码（通常为UTF-16LE或UTF-8），解码过程正确，因此输出正常。

解决方法 #

方法1：指定读取编码 #

直接在Get-Content中明确指定UTF-8编码，PowerShell会自动识别BOM并正确解码：

$input = Get-Content -Path input.txt -Encoding UTF8
foreach ($line in $input) {
    Write-Output $line
}
Write-Output "PDVSA PETROCEDEÑO"

方法2：强制统一编码格式 #

如果需要确保字符串编码完全匹配硬编码的UTF-8格式（适配SOAP消息需求），可以通过字节数组转换来标准化：

# 一次性读取文件内容（-Raw参数避免分行处理）
$inputContent = Get-Content -Path input.txt -Raw -Encoding UTF8
# 转换为UTF-8字节数组再转回字符串，消除编码差异
$normalizedString = [System.Text.Encoding]::UTF8.GetString([System.Text.Encoding]::UTF8.GetBytes($inputContent))
Write-Output $normalizedString
Write-Output "PDVSA PETROCEDEÑO"

内容的提问来源于stack exchange，提问作者keyserxose