Bagaimana untuk Mengelakkan Mengeluarkan Penanda BOM Semasa Membaca Fail Berkod UTF-8?

Unicode BOM dan FileReader

Apabila membaca fail yang dikodkan UTF-8 dengan Tanda Pesanan Bait (BOM), anda mungkin menghadapi masalah ini daripada penanda BOM yang dikeluarkan bersama dengan kandungan fail. Ini berlaku kerana Unicode mentakrifkan BOM untuk menentukan endian teks yang dikodkan, yang boleh ditafsirkan sebagai jujukan aksara jika tidak dikendalikan dengan betul.

Dalam coretan kod anda:

• fr dan br digunakan untuk membaca fail sebagai bait dan menukarnya kepada aksara.
• tmp membaca setiap baris fail sebagai tatasusunan bait.
• teks menukar tatasusunan bait kepada UTF-8 rentetan yang dikodkan.
• kandungan menggabungkan baris fail, termasuk penanda BOM kerana ia merupakan sebahagian daripada kandungan fail.

Untuk mengelakkan penanda BOM daripada disertakan dalam output :

1. Baca fail sebagai String, bukan sebagai tatasusunan bait. Ini melangkau keperluan untuk menukar bait kepada aksara, mengelakkan isu BOM.

String content = new String(Files.readAllBytes(Paths.get(file)), "UTF-8"));

2. Jika anda mesti membaca fail sebagai tatasusunan bait, anda boleh mengalih keluar penanda BOM secara manual sebelum menukar ia kepada rentetan. Penanda BOM ialah jujukan tiga bait:

if (tmp.length >= 3 &&
    tmp[0] == (byte) 0xEF &&
    tmp[1] == (byte) 0xBB &&
    tmp[2] == (byte) 0xBF) {

    // Remove the BOM marker
    tmp = Arrays.copyOfRange(tmp, 3, tmp.length);
}

Atas ialah kandungan terperinci Bagaimana untuk Mengelakkan Mengeluarkan Penanda BOM Semasa Membaca Fail Berkod UTF-8?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!