UTF-8编码中BOM的检测与删除
来源:互联网 发布:如何防止网络渗透策反 编辑:程序博客网 时间:2024/05/21 07:06
所谓BOM,全称是Byte Order Mark,它是一个Unicode字符,通常出现在文本的开头,用来标识字节序(Big/Little Endian),除此以外还可以标识编码(UTF-8/16/32),如果出现在文本中间,则解释为zero width no-break space。
注:Unicode相关知识的详细介绍请参考UTF-8, UTF-16, UTF-32 & BOM。
对于UTF-8/16/32而言,它们名字中的8/16/32指的是编码单位是多少位的,也就是说,它们的编码单位分别是8/16/32位,换算成字节就是1/2/4字节,如果是多字节,就要牵扯到字节序,UTF-8以单字节为编码单位,所以不存在字节序。
UTF-8主要的优点是可以兼容ASCII,但如果使用BOM的话,这个好处就荡然无存了,除此以外,BOM的存在还可能引发一些问题,比如下面错误便都有可能是BOM导致的:
Shell: #!/bin/sh: No such file or directory PHP: Warning: Cannot modify header information – headers already sent
在详细讨论UTF-8编码中BOM的检测与删除问题前,不妨先通过一个例子热热身:
# curl -s http://phone.10086.cn/ | head -1 | sed -n l\357\273\277<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional\//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">\r$
如上所示,前三个字节分别是357、273、277,这就是八进制的BOM。
# curl -s http://phone.10086.cn/ | head -1 | xxd0000000: efbb bf3c 2144 4f43 5459 5045 2068 746d ...<!DOCTYPE htm0000010: 6c20 5055 424c 4943 2022 2d2f 2f57 3343 l PUBLIC "-//W3C0000020: 2f2f 4454 4420 5848 544d 4c20 312e 3020 //DTD XHTML 1.00000030: 5472 616e 7369 7469 6f6e 616c 2f2f 454e Transitional//EN0000040: 2220 2268 7474 703a 2f2f 7777 772e 7733 " "http://www.w30000050: 2e6f 7267 2f54 522f 7868 746d 6c31 2f44 .org/TR/xhtml1/D0000060: 5444 2f78 6874 6d6c 312d 7472 616e 7369 TD/xhtml1-transi0000070: 7469 6f6e 616c 2e64 7464 223e 0d0a tional.dtd">..
如上所示,前三个字节分别是EF、BB、BF,这就是十六进制的BOM。
注:用到了第三方网站的页面,不能保证例子始终可用。
实际做项目开发时,可能会面对成百上千个文本文件,如果有几个文件混入了BOM,那么很难察觉,如果没有带BOM的UTF-8文本文件例子,可以用vi杜撰几个,相关命令如下:
#设置UTF-8编码:set fileencoding=utf-8#添加BOM:set bomb#删除BOM:set nobomb#查询BOM:set bomb?
如何检测UTF-8编码中的BOM呢?
shell> grep -r -I -l $'^\xEF\xBB\xBF' /path
如何删除UTF-8编码中的BOM呢?
推荐:如果你使用SVN的话,可以在pre-commit钩子里加上相关代码,从源头杜绝BOM。
#!/bin/sh
REPOS="$1"
TXN="$2"
SVNLOOK=/usr/bin/svnlook
FILES=`$SVNLOOK changed -t "$TXN" "$REPOS" | awk {'print $2'}`
for FILE in $FILES; do
if $SVNLOOK cat -t "$TXN" "$REPOS" "$FILE" | grep -q $'^\xEF\xBB\xBF'; then
echo "Byte Order Mark found in $FILE" 1>&2
exit 1
fi
来源: 天空网
- UTF-8编码中BOM的检测与删除
- UTF-8编码中BOM的检测与删除
- UTF-8编码中BOM的检测与删除
- UTF-8编码中BOM的检测与删除
- UTF-8格式编码与UTF-8无BOM格式编码的区别(包括java文件)
- UTF-8格式编码与UTF-8无BOM格式编码的区别(包括java文件)
- Windows中notepad以UTF-8编码保存文件时实际上用的是UTF-8+BOM编码方式
- PHP中utf-8编码格式之BOM引发的问题
- utf-8与utf-8(无BOM)的区别
- utf-8与utf-8(无BOM)的区别
- 关于UTF-8与UTF-8+BOM的问题
- 【转载】utf-8与utf-8(无BOM)的区别
- utf-8与utf-8无BOM的区别
- UTF-8与UTF-8无BOM的区别
- utf-8与utf-8+bom的区别
- UTF-8与UTF-8(无bom)的区别
- JAVA输出带BOM的UTF-8编码的文件
- php文件代码采用UTF-8编码的BOM问题
- Bad Smell(代码的坏味道)
- Andoird jni 调用类型转换
- jxl导入大容量excel文件导致内存溢出的问题
- Win32 线程
- 独立商城与网店首页的重要性--java技术
- UTF-8编码中BOM的检测与删除
- 面试题—数据结构之单链表详述(基本篇4)---有序单链表的合并
- milliard Vasya 函数
- 跟我一起写 Makefile [perfect ]
- PHP编码转换
- Makefile模版
- 润乾模板
- 无法加载 DLL“rasapi32.dll”的问题的解决方法
- epoll和select/poll的区别