UTF-8檔案讀取中如何處理BOM標記？

在UTF-8 檔案讀取中處理BOM 標記

處理可能包含位元組順序標記的UTF-8 編碼文字檔案時( BOM），正確處理BOM 以避免意外輸出至關重要。 BOM 是一種特殊的位元組序列，指示檔案的位元組順序。在 UTF-8 中，BOM 是三位元組序列 EF BB BF。

考慮以下程式碼：

fr = new FileReader(file);
br = new BufferedReader(fr);
String tmp = null;
while ((tmp = br.readLine()) != null) {
    String text;    
    text = new String(tmp.getBytes(), "UTF-8");
    content += text + System.getProperty("line.separator");
}

在此程式碼中，BOM 將包含在輸出字串中text，因為 getBytes() 方法擷取字串的原始位元組，包括 BOM。要正確處理BOM，您可以使用以下技巧：

方法一：指定BOM 字元集

您可以將字元集指定為UTF-8使用Charset 類別的BOM：

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

方法2：讀取並刪除BOM

如果不需要BOM，您可以在處理文件的其餘部分之前讀取並刪除它：

char[] bom = new char[3];
int bytesRead = br.read(bom, 0, bom.length);
if (bytesRead == bom.length && new String(bom).equals("\uFEFF")) {
    // BOM exists, drop it
}

透過實作以下技術之一，您可以確保BOM 處理正確，且輸出字串不包含BOM 標記。

以上是UTF-8檔案讀取中如何處理BOM標記？的詳細內容。更多資訊請關注PHP中文網其他相關文章！