UTF-8的BOM问题

UTF-8的BOM问题
Unicode规范中有一个BOM的概念。BOM——Byte Order Mark，就是字节序标记，也就是签名。

在UCS 编码中有一个叫做"ZERO WIDTH NO-BREAK SPACE"的字符，它的编码是FEFF。而FFFE在UCS中是不存在的字符，所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前，先传输字符"ZERO WIDTH NO-BREAK SPACE"。这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这个字节流是Little-Endian的。因此字符"ZERO WIDTH NO-BREAK SPACE"又被称作BOM。

UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是EF BB BF。所以如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。

Windows就是使用BOM来标记文本文件的编码方式的。

虽然签名有许多好处，但在实际情况中，很多软件是不认这个签名的，比如我们写的java程序，有时编辑保存一下XML文件后，程序就不认它了，主要原因就是因为BOM的原因。

 

附件记事本编辑器，用它打开UTF-8编码的文本文件后，选择 [文件]->[编码]->[UTF-8]

选择后保存即可去掉BOM，如果选择的是 [文件]->[编码]->[UTF-8 包含签名]，则加上BOM。

记事本编辑器Notepad2_4.2.25