经典bug之--文件格式不同，带有bom占用了多个字节

背景：

有一个需求，要求上传的文件不能大于某个长度（长度可配置），然后就发现相同的文件内容，但是针对不同编码格式（utf-8、ansi、unicode、unicode big endian），程序中计算的长度会不同。

原因：

由于不同的编码格式，造成了相同文件，会带有bom，占多个字节

解决：

判断头部文件是否带有bom（"\uFEFF"）,如果有，去掉bom文件，重新计算长度，解决此需求的问题

判断

1.什么是BOM？

BOM是用来判断文本文件是哪一种Unicode编码的标记，其本身是一个Unicode字符（"\uFEFF"），位于文本文件头部。

想深入了解的可以查看这篇文章

http://www.fmddlmyy.cn/text6.html

2.如何查看是否携带有bom

使用nopad++，在右下脚可以查看，比如

下面是UTF-8，它带有bom文件

 

下面是ANSI，它没有bom文件

 

下面是unicode它携带bom

 

下面是unicode-big它携带bom

 

 

 

 3.也可查看前面几个字节编码格式,知道是什么格式

比如utf-8的，前面3位是 EF BB BF，就知道是UTF-8

 

而ansi没有bom，就没有前面那一串

 

 

如果开头部分携带了FF FE这个就是携带了bom

 

 

 

关于如何查看，使用notpad++进行查看，插件——>HEX-Editor——>View in HEX。