`
apchy
  • 浏览: 60871 次
  • 性别: Icon_minigender_1
  • 来自: 上海
社区版块
存档分类
最新评论

认识BOM

    博客分类:
  • java
 
阅读更多

什么是BOM

  BOM(byte-order mark),即字节顺序标记,它是插入到以UTF-8、UTF16或UTF-32编码Unicode文件开头的特殊标记,用来识别Unicode文件的编码类型。对于UTF-8来说,BOM并不是必须的,因为BOM用来标记多字节编码文件的编码类型和字节顺序(big-endian或little-endian)。 


 在绝大多数编辑器中都看不到BOM字符,因为它们能理解Unicode,去掉了读取器看不到的题头信息。若要查看某个Unicode文件是否以BOM开头,可以使用十六进制编辑器。下表列出了不同编码所对应的BOM。


BOM
  Encoding
  EF BB BF
  UTF-8
  FE FF
  UTF-16 (big-endian)
  FF FE
  UTF-16 (little-endian)
  00 00 FE FF
  UTF-32 (big-endian)
  FF FE 00 00
  UTF-32 (little-endian)

BOM的来历

  为了识别 Unicode 文件,Microsoft 建议所有的 Unicode 文件应该以 ZERO WIDTH NOBREAK SPACE(U+FEFF)字符开头。这作为一个“特征符”或“字节顺序标记(byte-order mark,BOM)”来识别文件中使用的编码和字节顺序。

  不同的系统对BOM的支持

  因为一些系统或程序不支持BOM,因此带有BOM的Unicode文件有时会带来一些问题。

  1.        JDK1.5以及之前的Reader都不能处理带有BOM的UTF-8编码的文件,解析这种格式的xml文件时,会抛出异常:Content is not allowed in prolog.

  2.        Linux/UNIX 并没有使用 BOM,因为它会破坏现有的 ASCII 文件的语法约定。

  不同的编辑工具对BOM的处理也各不相同。使用Windows自带的记事本将文件保存为UTF-8编码的时候,记事本会自动在文件开头插入BOM(虽然BOM对UTF-8来说并不是必须的),但是editplus就不会这样做。

  BOM与XML

  XML解析读取XML文档时,W3C定义了3条规则:

  1.        如果文档中有BOM,就定义了文件编码;

  2.        如果文档中没有BOM,就查看XML声明中的编码属性;

  3.        如果上述两者都没有,就假定XML文档采用UTF-8编码。



java处理这类文件可参照老外的博文http://koti.mbnet.fi/akini/java/unicodereader/

主要有个处理类,如下,好东西呀 

UnicodeInputStream.java


/**
version: 1.1 / 2007-01-25
- changed BOM recognition ordering (longer boms first)

Original pseudocode   : Thomas Weidenfeller
Implementation tweaked: Aki Nieminen

http://www.unicode.org/unicode/faq/utf_bom.html
BOMs in byte length ordering:
   00 00 FE FF    = UTF-32, big-endian
   FF FE 00 00    = UTF-32, little-endian
   EF BB BF       = UTF-8,
   FE FF          = UTF-16, big-endian
   FF FE          = UTF-16, little-endian

Win2k Notepad:
   Unicode format = UTF-16LE
***/

import java.io.*;

/**
* This inputstream will recognize unicode BOM marks
* and will skip bytes if getEncoding() method is called
* before any of the read(...) methods.
*
* Usage pattern:
     String enc = "ISO-8859-1"; // or NULL to use systemdefault
     FileInputStream fis = new FileInputStream(file);
     UnicodeInputStream uin = new UnicodeInputStream(fis, enc);
     enc = uin.getEncoding(); // check and skip possible BOM bytes
     InputStreamReader in;
     if (enc == null) in = new InputStreamReader(uin);
     else in = new InputStreamReader(uin, enc);
*/
public class UnicodeInputStream extends InputStream {
   PushbackInputStream internalIn;
   boolean             isInited = false;
String              defaultEnc;
String              encoding;

private static final int BOM_SIZE = 4;

UnicodeInputStream(InputStream in, String defaultEnc) {
internalIn = new PushbackInputStream(in, BOM_SIZE);
this.defaultEnc = defaultEnc;
}

public String getDefaultEncoding() {
      return defaultEnc;
   }

   public String getEncoding() {
      if (!isInited) {
         try {
            init();
         } catch (IOException ex) {
            IllegalStateException ise = new IllegalStateException("Init method failed.");
            ise.initCause(ise);
            throw ise;
         }
      }
      return encoding;
   }

   /**
    * Read-ahead four bytes and check for BOM marks. Extra bytes are
    * unread back to the stream, only BOM bytes are skipped.
    */
   protected void init() throws IOException {
      if (isInited) return;

      byte bom[] = new byte[BOM_SIZE];
      int n, unread;
      n = internalIn.read(bom, 0, bom.length);

      if ( (bom[0] == (byte)0x00) && (bom[1] == (byte)0x00) &&
                  (bom[2] == (byte)0xFE) && (bom[3] == (byte)0xFF) ) {
         encoding = "UTF-32BE";
         unread = n - 4;
      } else if ( (bom[0] == (byte)0xFF) && (bom[1] == (byte)0xFE) &&
                  (bom[2] == (byte)0x00) && (bom[3] == (byte)0x00) ) {
         encoding = "UTF-32LE";
         unread = n - 4;
      } else if (  (bom[0] == (byte)0xEF) && (bom[1] == (byte)0xBB) &&
            (bom[2] == (byte)0xBF) ) {
         encoding = "UTF-8";
         unread = n - 3;
      } else if ( (bom[0] == (byte)0xFE) && (bom[1] == (byte)0xFF) ) {
         encoding = "UTF-16BE";
         unread = n - 2;
      } else if ( (bom[0] == (byte)0xFF) && (bom[1] == (byte)0xFE) ) {
         encoding = "UTF-16LE";
         unread = n - 2;
      } else {
         // Unicode BOM mark not found, unread all bytes
         encoding = defaultEnc;
         unread = n;
      }     
      //System.out.println("read=" + n + ", unread=" + unread);

      if (unread > 0) internalIn.unread(bom, (n - unread), unread);

      isInited = true;
   }

   public void close() throws IOException {
      //init();
      isInited = true;
      internalIn.close();
   }

   public int read() throws IOException {
      //init();
      isInited = true;
      return internalIn.read();
   }
}
UnicodeReader.java
/**
version: 1.1 / 2007-01-25
- changed BOM recognition ordering (longer boms first)

Original pseudocode   : Thomas Weidenfeller
Implementation tweaked: Aki Nieminen

http://www.unicode.org/unicode/faq/utf_bom.html
BOMs:
   00 00 FE FF    = UTF-32, big-endian
   FF FE 00 00    = UTF-32, little-endian
   EF BB BF       = UTF-8,
   FE FF          = UTF-16, big-endian
   FF FE          = UTF-16, little-endian

Win2k Notepad:
   Unicode format = UTF-16LE
***/

import java.io.*;

/**
* Generic unicode textreader, which will use BOM mark
* to identify the encoding to be used. If BOM is not found
* then use a given default or system encoding.
*/
public class UnicodeReader extends Reader {
   PushbackInputStream internalIn;
   InputStreamReader   internalIn2 = null;
   String              defaultEnc;

   private static final int BOM_SIZE = 4;

   /**
    *
    * @param in  inputstream to be read
    * @param defaultEnc default encoding if stream does not have
    *                   BOM marker. Give NULL to use system-level default.
    */
   UnicodeReader(InputStream in, String defaultEnc) {
      internalIn = new PushbackInputStream(in, BOM_SIZE);
      this.defaultEnc = defaultEnc;
   }

   public String getDefaultEncoding() {
      return defaultEnc;
   }

   /**
    * Get stream encoding or NULL if stream is uninitialized.
    * Call init() or read() method to initialize it.
    */
   public String getEncoding() {
      if (internalIn2 == null) return null;
      return internalIn2.getEncoding();
   }

   /**
    * Read-ahead four bytes and check for BOM marks. Extra bytes are
    * unread back to the stream, only BOM bytes are skipped.
    */
   protected void init() throws IOException {
      if (internalIn2 != null) return;

      String encoding;
      byte bom[] = new byte[BOM_SIZE];
      int n, unread;
      n = internalIn.read(bom, 0, bom.length);

      if ( (bom[0] == (byte)0x00) && (bom[1] == (byte)0x00) &&
                  (bom[2] == (byte)0xFE) && (bom[3] == (byte)0xFF) ) {
         encoding = "UTF-32BE";
         unread = n - 4;
      } else if ( (bom[0] == (byte)0xFF) && (bom[1] == (byte)0xFE) &&
                  (bom[2] == (byte)0x00) && (bom[3] == (byte)0x00) ) {
         encoding = "UTF-32LE";
         unread = n - 4;
      } else if (  (bom[0] == (byte)0xEF) && (bom[1] == (byte)0xBB) &&
            (bom[2] == (byte)0xBF) ) {
         encoding = "UTF-8";
         unread = n - 3;
      } else if ( (bom[0] == (byte)0xFE) && (bom[1] == (byte)0xFF) ) {
         encoding = "UTF-16BE";
         unread = n - 2;
      } else if ( (bom[0] == (byte)0xFF) && (bom[1] == (byte)0xFE) ) {
         encoding = "UTF-16LE";
         unread = n - 2;
      } else {
         // Unicode BOM mark not found, unread all bytes
         encoding = defaultEnc;
         unread = n;
      }   
      //System.out.println("read=" + n + ", unread=" + unread);

      if (unread > 0) internalIn.unread(bom, (n - unread), unread);

      // Use given encoding
      if (encoding == null) {
         internalIn2 = new InputStreamReader(internalIn);
      } else {
         internalIn2 = new InputStreamReader(internalIn, encoding);
      }
   }

   public void close() throws IOException {
      init();
      internalIn2.close();
   }

   public int read(char[] cbuf, int off, int len) throws IOException {
      init();
      return internalIn2.read(cbuf, off, len);
   }

}

 

分享到:
评论
1 楼 lizhou 2012-08-21  
周sir玩的深啊

相关推荐

    Web前端开发技术-认识BOM对象.pptx

    在Web前端开发中,BOM(Browser Object Model)和DOM(Document Object Model)是两个非常重要的概念。DOM主要处理HTML或XML文档结构,允许开发者通过JavaScript来操纵文档内容、结构和样式。而BOM则是专注于浏览器...

    bom基础知识-教你如何建立BOM

    通过以上五个章节的学习,你应该对BOM有了更全面的认识,掌握了创建BOM的基本方法和注意事项。在实际工作中,结合合适的BOM管理系统,你将能够更高效地管理产品生命周期中的各个阶段。不断实践和优化,BOM将成为你手...

    BOM说明常见几种BOM

    BOM 管理是企业技术管理信息化的主要内容,但许多企业对 BOM 的认识不够,有些企业甚至在选型中连 BOM 是何含义都不理解。 因此,本文对 BOM 的定义、分类、应用进行了详细的介绍。 一、BOM 的定义 BOM 是一种...

    BOM表制作说明

    BOM表了解和认识 是初学者认识什么是bom表格 他的定义与内容要素

    3米冷却定型台(sw18可编辑+工程图+bom).rar

    《3米冷却定型台(SW18可...通过深入学习和理解这个压缩包内的内容,不仅可以提升机械设计和工程实践能力,还能对项目管理和供应链运作有更全面的认识。对于从事或有意进入相关领域的学习者而言,这是一份宝贵的资源。

    产品架构认识.pptx

    这份名为"产品架构认识.pptx"的文件主要讲解了与产品架构相关的一些关键知识点,包括物料管理、工程变更控制以及如何通过特定系统查询产品相关信息。 1. **Bill Of Material (BOM)**: BOM是一个详细列出产品所有...

    基于SpringBoot+Vue的BOM表智能生成系统设计与实现.docx

    本文主要探讨了一款基于SpringBoot和Vue的BOM(Bill of Materials)表智能生成系统的设计与实现,这对于理解和掌握这...通过阅读和理解这篇论文,学习者能够对这两种技术有更深入的认识,并能将其应用于自己的项目中。

    物料清单(BOM)驳回的常见原因及避免方法_中文电子书-综合文档

    5. **培训与沟通**:定期对相关人员进行BOM管理培训,提高他们对BOM重要性的认识,并加强团队间的沟通。 6. **实施变更控制**:当有设计变更时,应遵循严格的变更控制流程,包括评估影响、通知相关方并更新所有相关...

    对产品架构的认识.pptx

    - **产品结构认识**:查看产品结构表,了解产品的层次结构和组件关系。 - **料件适用机种查询**:查找某个组件适用于哪些机型,有助于优化库存管理和供应链管理。 - **单阶材料用量明细表查询**:获取特定主件料号的...

    产品架构认识(4).pptx

    这份名为"产品架构认识(4).pptx"的文件主要涵盖了产品开发过程中的物料管理、工程变更流程以及相关查询操作,对于理解产品生命周期管理和生产流程具有重要意义。 首先,我们来看物料管理的部分。Bill Of Material...

    对UTF8编码的初步认识.rar_UTF8_utf

    通过学习这个网页,我们可以深入理解UTF8的工作机制,比如字节顺序标记(BOM)、编码规则以及如何识别和处理多字节序列。 另一方面,“www.pudn.com.txt”可能是一个包含示例文本的文件,这些文本可能是使用UTF8...

    产品研发数据工程师培训.pdf

    1. 产品数据管理模式的认识:课程通过案例分析,帮助学员理解产品数据在研发、供应链、销售和服务等环节的重要性,以及如何通过良好的产品数据管理策略来规划和实施企业的发展。 2. 版本管理:学员将学习PART(零...

    Web前端开发技术-认识DOM对象.pptx

    【Web前端开发技术-认识DOM对象】 在Web前端开发中,DOM(Document Object Model)对象是至关重要的概念,它是一个标准的编程接口,允许开发者通过JavaScript等脚本语言操作HTML和XML文档。DOM将HTML或XML文档解析...

    NXP LPC51U68 的有线机械键盘BOM-综合文档

    通过这份BOM文档,可以对一个有线机械键盘设计所涉及的电子元件、微控制器以及其间的连接关系有一个全面的认识。这些信息对于电子工程师在进行电路设计、组装、故障排除以及后续维护中至关重要。

    缺少的维护工具 和 MRO 库存控制.pdf

    行业内的领军企业已经认识到BOM的重要性,并将其作为实现成本节约、提高运营效率的关键策略之一。这些公司通常设定明确的目标来优化其MRO库存管理流程,包括但不限于: - **减少库存水平**:通过准确预测需求并减少...

    卜东波算法第四次作业线性规划

    综上所述,通过这段文档内容,我们可以了解到线性规划在实际问题中的应用,学习如何构建线性规划模型,如何通过计算机软件和编程来求解线性规划问题,并且认识到了对偶单纯形法在求解过程中的重要性和实际操作步骤。

    MPS-DC-DC-Designer帮你搞定DC-DC电路设计.docx

    此外,还支持如下的波形输出,包括电感电流、SW 波形、输入输出电压纹波波形、负载电流和输出纹波对比图、效率和输出电流关系图等,让用户可以比较全面的认识到在此设计下的 DC-DC 性能情况。 输出 EXCEL 格式的 ...

    《Web技术应用与开发》课程设计报告.pdf

    Web技术中的对象的认识是非常重要的,涉及到Web技术中的对象的认识、控间间的逻辑关系等。 知识点13:客户端开发技术 客户端开发技术是Web应用程序开发的重要技术,涉及到HTML、CSS、JavaScript、BOM、DHTML、XML等...

    SAP Business One SBO系统操作手册

    在学习具体的操作之前,需要初步认识一下 SBO 系统,了解系统的总体流程图、系统的主要岗位职责、系统的操作项目等。 职能岗位操作项目与操作过程 每个职能岗位都有其特定的操作项目和操作过程,本手册提供了一个...

    尚硅谷_宋红康_计算机字符编码2

    【计算机字符编码】是计算机处理文本的...在Java编程中,字符编码的选择会影响文件读写、字符串操作等众多功能,因此开发者需要对其有深入的认识。通过学习尚硅谷等教育机构提供的资源,可以进一步提升这方面的技能。

Global site tag (gtag.js) - Google Analytics