UTF-8文件读取中如何处理BOM标记？

在 UTF-8 文件读取中处理 BOM 标记

处理可能包含字节顺序标记的 UTF-8 编码文本文件时 ( BOM），正确处理 BOM 以避免意外输出至关重要。 BOM 是一种特殊的字节序列，指示文件的字节顺序。在 UTF-8 中，BOM 是三字节序列 EF BB BF。

考虑以下代码：

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");
}

在此代码中，BOM 将包含在输出字符串中text，因为 getBytes() 方法检索字符串的原始字节，包括 BOM。要正确处理 BOM，您可以使用以下技巧：

方法一：指定 BOM 字符集

您可以将字符集指定为 UTF-8使用 Charset 类的 BOM：

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

方法 2：读取并删除BOM

如果不需要 BOM，您可以在处理文件的其余部分之前读取并删除它：

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
}

通过实施以下技术之一，您可以确保BOM 处理正确，并且输出字符串不包含 BOM 标记。

以上是UTF-8文件读取中如何处理BOM标记？的详细内容。更多信息请关注PHP中文网其他相关文章！