Java讀取UTF-8檔案時如何保留BOM？

使用BOM 標記讀取UTF-8：了解意外的BOM 輸出

以位元組順序讀取UTF-8 編碼的檔案時標記（BOM），有可能會遇到輸出字串中包含BOM。發生這種情況是因為 BOM（Unicode 標識符）會作為特定位元組序列儲存在檔案的開頭。

在給定的 Java 程式碼中，適當地利用 FileReader 和 BufferedReader 來處理 UTF-8 檔案讀取。但是，問題出現在後續行：

text = new String(tmp.getBytes(), "UTF-8");

此行嘗試使用 UTF-8 字元集解碼 tmp 字串中儲存的位元組。但是，String 上的 getBytes() 方法不會保留原始檔案中的 BOM 標記。因此，解碼過程會忽略 BOM，並且它實際上會丟失。

要在輸出字串中保留BOM 標記，需要對程式碼進行輕微調整：

byte[] bytes = tmp.getBytes("UTF-8");
if (isUTF8WithBOM(bytes)) {
    text = new String(bytes, 3, bytes.length - 3);
} else {
    text = new String(bytes, "UTF-8");
}

isUTF8WithBOM 方法檢查位元組數組是否以UTF-8 BOM 序列（0xEF、0xBB、 0xBF）開頭。如果為 true，則透過從第三個位元組開始對位元組數組進行切片來刪除 BOM。這可確保後續解碼過程在輸出字串中包含 BOM 標記。

以上是Java讀取UTF-8檔案時如何保留BOM？的詳細內容。更多資訊請關注PHP中文網其他相關文章！