BOM-字节序标记

BOM——Byte Order Mark 字节序标记

　　首先是什么是字节序？ 字节序：与二进制数据在机器存放位置相关的！ 可分为两类: 

　　　　1. 小端字节序： 低地址放低位数据。 x86系列的计算机就使用这种字节序

　　　　2. 大端字节序： 低地址放高位数据。 ibm系使用

举个例子..  写个简单程序来看看自己电脑使用神马字节序存放数据的！

#include <stdio.h>

int main(int argc, char const *argv[])
{
    FILE *fp = NULL;
    int data = 109034;    // 1A9EA
    if((fp = fopen("m.data", "wb+")) != NULL) {
        fwrite(&data, sizeof(int), 1, fp);
    }
    fclose(fp);
    return 0;
}

　　使用16进制编辑器(Nodepad++安装个HexEditor即可) 查看程序生成的m.data文件! 

　　结果如下:   从左到右地址递增

　　　　ea a9 01 00  

　　可以看出： data变量的ea字节存放在m.data低位字节， 因此本人的机器是使用小字节序存放数据的。

　　

 回到正题， UTF-8编码本身是不需要使用BOM来表明字节顺序，但可以用BOM来表明编码方式。也就是告诉编辑器知道它是个utf-8之外什么用处都没有。带BOM文件特征：以 EF BB BF开头

 BOM本是为 UTF-16 和 UTF-32 准备的，用于标记字节序。  对于多系统(多语言)使用者来说， 带BOM的UTF-8简直就是一场灾难。可以参考：UTF8最好不要带BOM，附许多经典评论 

 

 %>_<%: 感觉立了个 flag，今天(2016-09-28)碰到一个破系统... 上传的文件必须得是 UTF-8-BOM 格式的

String bomStr = new String(new byte[]{(byte)0xEF, (byte)0xBB, (byte)0xBF}, Charset.forName('UTF-8')); // 加上这破玩意就行了

 

 另外:   检测文件编码这个功能看着容易，实际很难！ 就举个最最简单的例子： 创建一个信息量很小的gbk编码的文件，内容就一字: “键” 。

　　1. 使用nodepad++打开虽然没乱码，但是右下角为ANSI编码

　　2. 使用sublime text 3(带ConvertToUTF8插件)打开， 结果是乱码！ 需要自己选择合适的编码方式打开

　　3. 使用python的chardet库来查看文件的编码， 结果输出: {'confidence': 0.73, 'encoding': 'windows-1252'} 

 So， 在项目中一定要统一文件的编码！ 这至关重要