Java读取UTF-8文件时如何保留BOM？

使用 BOM 标记读取 UTF-8：了解意外的 BOM 输出

以字节顺序读取 UTF-8 编码的文件时标记（BOM），有可能会遇到输出字符串中包含BOM。发生这种情况是因为 BOM（Unicode 标识符）作为特定字节序列存储在文件的开头。

在给定的 Java 代码中，适当地利用 FileReader 和 BufferedReader 来处理 UTF-8 文件读取。但是，问题出现在后续行中：

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

此行尝试使用 UTF-8 字符集对 tmp 字符串中存储的字节进行解码。但是，String 上的 getBytes() 方法不会保留原始文件中的 BOM 标记。因此，解码过程会忽略 BOM，并且它实际上会丢失。

要在输出字符串中保留 BOM 标记，需要对代码进行轻微调整：

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 方法检查字节数组是否以 UTF-8 BOM 序列（0xEF、0xBB、0xBF）开头。如果为 true，则通过从第三个字节开始对字节数组进行切片来删除 BOM。这可确保后续解码过程在输出字符串中包含 BOM 标记。

以上是Java读取UTF-8文件时如何保留BOM？的详细内容。更多信息请关注PHP中文网其他相关文章！