Java处理带BOM头的文件小结

最新推荐文章于 2022-09-17 21:37:00 发布

liuzx32

最新推荐文章于 2022-09-17 21:37:00 发布

阅读量7.1k

点赞数 1

分类专栏： HTML 文章标签： dom bom html

HTML 专栏收录该内容

29 篇文章

订阅专栏

本文介绍如何在Java中处理带有字节顺序标记(BOM)的UTF-8编码文本，包括一个具体的例子说明如何去除BOM并解析XML文件。此外，还讨论了BOM的概念、来历及不同系统对其的支持情况。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Java处理带BOM的文本

说起BOM，这个问题还比较麻烦，因为BOM不可见，但用程序做不同编码文本处理时候却常常需要考虑到BOM的问题。在此之前，先对BOM做个简单认识。

先看看带BOM的文件：

源文件：

16进制打开：

下面举个例子，针对UTF-8的文件BOM做个处理：

                String xmla = StringFileToolkit.file2String( new File( "D:\\projects\\mailpost\\src\\a.xml"), "UTF-8");
                 byte[] b = xmla.getBytes( "UTF-8");
                String xml = new String(b,3,b.length-3, "UTF-8");
                Document doc1 = DocumentHelper.parseText(xml);
                Element e1 = (Element)doc1.selectSingleNode( "/ResponseData/Body/RetDesc");
                Element e2 = (Element)doc1.selectSingleNode( "/ResponseData/Head/RespID");
                Element e3 = (Element)doc1.selectSingleNode( "/ResponseData/Body/RetCode");
                Element e4 = (Element)doc1.selectSingleNode( "/ResponseData/Body/RetDesc");

思路是：先按照UTF-8编码读取文件后，跳过前三个字符，重新构建一个新的字符串，然后用Dom4j解析处理，这样就不会报错了。

其他编码的方式处理思路类似，其实可以写一个通用的自动识别的BOM的工具，去掉BOM信息，返回字符串。

不过这个处理过程已经有牛人解决过了： http://koti.mbnet.fi/akini/java/unicodereader/

-------------------------------------------------一下引用了百科

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。