UTF-8 without BOM

UTF-8编码的文件可以分为without BOM和BOM两种格式。

何谓BOM? "EF BB BF" 这三个字节就叫BOM,BOM的全称叫做"Byte Order Mark". 在UTF-8文件中常用BOM来表明这个文件是UTF-8文件, 而BOM的本意是在UTF-16中用来表示高低字节序列的。在字节流之前有BOM表示采用低字节序列(低字节在前面),而UTF-8不用考虑字节序列,所以其实有无BOM都可以。UTF-8以字节为编码单元,没有字节序的问题。UTF-16以两个字节为编码单元,在解释一个UTF-16文本前,首先要弄清楚每个编码单元的字节序。例如收到一个“奎”的Unicode编码是594E,“乙”的Unicode编码是4E59。如果我们收到UTF-16字节流“594E”,那么这是 “奎”还是“乙”?

如果文件保存时,选择了使用BOM,那么就可能会出现headers already sent的问题。
因为Web服务器软件可能不认识BOM,所以就把BOM的两个特殊字节当做字符发送给浏览器了。
这时再调用session_start()等函数,就会出现headers already sent的问题。
所以解决此问题最根本的方法就是在保存UTF-8编码的文件时,不要使用BOM。

微软的记事本Word等只能正确打开含BOM的UTF8文件,然而UltraEdit却恰恰相反,会把BOM UTF-8文件误认为ascii编码。
UTF-8的BOM是 EFBBBF,因为UE载入UTF-8文件会转成Utf16,上述的EFBBBF 在Utf16中是FFFE(Unicode-LE的BOM),UltraEdit不认识BOM又加多一個BOM,所以有2个FFFE。文件就被它破坏了。

当应用程序的文件使用 UTF8 编码时,在保存文件时,一定要注意 BOM 的问题。那么如何将UTF8 without BOM转换成UTF8呢?

using (TextReader input = new StreamReader(new FileStream(@"C:\Test.properties", FileMode.Open), Encoding.UTF8))
{
    using (TextWriter output = new StreamWriter(new FileStream(@"C:\Test2.lmx", FileMode.Create), Encoding.UTF8))
    {
        int BufferSize = 8096;
        char[] buffer = new char[i];
        int len;
 
        while ((len = input.Read(buffer, 0, i)) > 0)
        {
            output.Write(buffer, 0, len);
        }
 
        input.Close();
    }
}


转载自: http://www.cnblogs.com/zhongru_tu/archive/2008/04/11/1147792.html

猜你喜欢

转载自blog.csdn.net/qq_30975339/article/details/84333426