什么是 XML BOM 以及如何检测它？答案

【问题标题】：What is XML BOM and how do I detect it?什么是 XML BOM 以及如何检测它？
【发布时间】：2010-12-18 20:14:05
【问题描述】：

ANSI XML 文档中的 BOM 究竟是什么，应该将其删除吗？ XML 文档应该使用 UTF-8 吗？谁能告诉我一个可以检测 BOM 的 Java 方法？ BOM 由字符 EF BB BF 组成。

【问题讨论】：

标签： java xml

【解决方案1】：

对于 ANSI XML 文件，它实际上应该被删除。如果你想使用 UTF-8，你真的不需要它。只有 UTF-16 和 UTF-32 才需要。

字节顺序标记（或 BOM）是一个特殊标记添加在非常编码的 Unicode 文件的开头在 UTF-8、UTF-16 或 UTF-32 中。它被使用指示文件是否使用大端或小端字节命令。 BOM 对于 UTF-16 是强制性的和 UTF-32，但它是可选的 UTF-8。

（来源：https://www.opentag.com/xfaq_enc.htm#enc_bom）

关于如何在java中检测到这个问题。

请检查此问题的以下答案：Java : How to determine the correct charset encoding of a stream

基本上只是自己读取前几个字节，然后确定您是否可能找到了 BOM。

【讨论】：

感谢您的出色回答。因为我希望文件是 UTF-8，所以我只是使用以下内容忽略前 3 个字符： String file1sub = getXMLContents(file1).substring(3);
@jitter - 我不确定您对 BOM 的引用来自哪里。 XML 不需要 UTF-16 或 UTF-32 文档中的 BOM - 解析器应该在没有 BOM 的情况下进行管理。 XML 编码检测：w3.org/TR/REC-xml/#sec-guessing 否则，对 BOM 的要求取决于域。 Unicode.org BOM 常见问题解答：unicode.org/faq/utf_bom.html#BOM
这解释了为什么 Notepad++ 允许您将新文件的默认设置为“UTF-8 without BOM”

【解决方案2】：

字节顺序标记很可能是以下字节序列之一：

     UTF-8 BOM: ef bb bf 
  UTF-16BE BOM: fe ff 
  UTF-16LE BOM: ff fe 
  UTF-32BE BOM: 00 00 fe ff 
  UTF-32LE BOM: ff fe 00 00

这些是 Unicode 代码点 U+FEFF 的各种编码形式。这可以使用'\uFEFF' 表示为Java char 文字（Java char 值是隐式 UTF-16）。由于 U+FEFF 不在大多数编码中，因此此 BOM 代码点不可能由它们编码。 (More on encoding the BOM using Java here.)

对于 BOM 和 XML，它们是可选的（另请参阅 Unicode BOM FAQ）。如果在声明中指定了编码，则检测 XML 中的编码相对简单。始终确保 XML 声明 (<?xml version="1.0" encoding="UTF-8"?>) 与用于编写文档的编码相匹配。如果您对此要求严格，解析器应该能够正确解释您的文档。 (XML spec on encoding detection.)

我提倡尽可能使用 Unicode 编码（另请参阅10 Commandments of Unicode）。也就是说，XML 允许通过转义实体表示任何 Unicode 字符（例如，'A' 可以由 &#x0041; 表示），因此不一定需要避免数据丢失。

【讨论】：

»XML 允许通过转义实体表示任何 Unicode 字符« – 好吧，除非您需要 CDATA 部分 ;-)

【解决方案3】：

不要在 utf-8 文件中插入 BOM：如果合并两个这样的文件，最终会在中间产生一个 BOM，这可能会破坏应用程序，或导致 xml 解析器抛出异常。

【讨论】：

啊。有趣的提示。我从来没想过这点。幸运的是，合并 XML 文件并不常见。
那么 UTF-16LE 文件中的 BOM 呢？
您不应该将 XML 文件合并为简单的文本文件。每个 XML 文件都应该以序言开头。

【解决方案4】：

操作：

谁能告诉我一个可以检测 BOM 的 Java 方法？

org.apache.commons.io.input.BOMInputStreamJavadocs：

此类检测这些字节，如果需要，可以自动跳过它们并将后续字节作为流中的第一个字节返回。

【讨论】：

我不确定这对回答“什么是 XML BOM 以及如何检测它？”问题有什么帮助
@Matt - 我从 Javadocs 复制了描述。希望对您有所帮助。