所謂BOM，全稱是Byte Order Mark，它是一個(gè)Unicode字符，通常出現(xiàn)在文本的開頭，用來標(biāo)識字節(jié)序（Big/Little Endian），除此以外還可以標(biāo)識編碼（UTF-8/16/32），如果出現(xiàn)在文本中間，則解釋為zero width no-break space。 注：Unicode相關(guān)知識的詳細(xì)介紹請參考UTF-8, UTF-16, UTF-32 & BOM。
對于UTF-8/16/32而言，它們名字中的8/16/32指的是編碼單位是多少位的，也就是說，它們的編碼單位分別是8/16/32位，換算成字節(jié)就
是1/2/4字節(jié)，如果是多字節(jié)，就要牽扯到字節(jié)序，UTF-8以單字節(jié)為編碼單位，所以不存在字節(jié)序。
UTF-8主要的優(yōu)點(diǎn)是可以兼容ASCII，但如果使用BOM的話，這個(gè)好處就蕩然無存了，除此以外，BOM的存在還可能引發(fā)一些問題，比如下面錯誤便都
有可能是BOM導(dǎo)致的：
- Shell: No such file or directory
- PHP: Warning: Cannot modify header information – headers already sent
在詳細(xì)討論UTF-8編碼中BOM的檢測與刪除問題前，不妨先通過一個(gè)例子熱熱身：
shell> curl -s http://phone.10086.cn/ | head -1 | sed -n l
\357\273\277<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional\
//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">\r$
如上所示，前三個(gè)字節(jié)分別是357、273、277，這就是八進(jìn)制的BOM。
shell> curl -s http://phone.10086.cn/ | head -1 | hexdump -C
00000000 ef bb bf 3c 21 44 4f 43 54 59 50 45 20 68 74 6d |...<!DOCTYPE htm|
00000010 6c 20 50 55 42 4c 49 43 20 22 2d 2f 2f 57 33 43 |l PUBLIC "-//W3C|
00000020 2f 2f 44 54 44 20 58 48 54 4d 4c 20 31 2e 30 20 |//DTD XHTML 1.0 |
00000030 54 72 61 6e 73 69 74 69 6f 6e 61 6c 2f 2f 45 4e |Transitional//EN|
00000040 22 20 22 68 74 74 70 3a 2f 2f 77 77 77 2e 77 33 |" "http://www.w3|
00000050 2e 6f 72 67 2f 54 52 2f 78 68 74 6d 6c 31 2f 44 |.org/TR/xhtml1/D|
00000060 54 44 2f 78 68 74 6d 6c 31 2d 74 72 61 6e 73 69 |TD/xhtml1-transi|
00000070 74 69 6f 6e 61 6c 2e 64 74 64 22 3e 0d 0a |tional.dtd">..|
如上所示，前三個(gè)字節(jié)分別是EF、BB、BF，這就是十六進(jìn)制的BOM。 注：用到了第三方網(wǎng)站的頁面，不能保證例子始終可用。
實(shí)際做項(xiàng)目開發(fā)時(shí)，可能會面對成百上千個(gè)文本文件，如果有幾個(gè)文件混入了BOM，那么很難察覺，如果沒有帶BOM的UTF-8文本文件，可以用vi杜撰幾
個(gè)，相關(guān)命令如下：
設(shè)置UTF-8編碼：
:set fileencoding=utf-8
添加BOM：
:set bomb
刪除BOM：
:set nobomb
查詢BOM：
:set bomb?
如何檢測UTF-8編碼中的BOM呢？
shell> grep -r -I -l $'^\xEF\xBB\xBF' /path
如何刪除UTF-8編碼中的BOM呢？
shell> grep -r -I -l $'^\xEF\xBB\xBF' /path | xargs sed -i 's/^\xEF\xBB\xBF//;q'
推薦：如果你使用SVN的話，可以在pre-commit鉤子里加上相關(guān)代碼用以杜絕BOM。
#!/bin/bash
REPOS="$1"
TXN="$2"
SVNLOOK=/usr/bin/svnlook
for FILE in $($SVNLOOK changed -t "$TXN" "$REPOS" | awk '/^[AU]/ {print $NF}'); do
if $SVNLOOK cat -t "$TXN" "$REPOS" "$FILE" | grep -q $'^\xEF\xBB\xBF'; then
echo "Byte Order Mark be found in $FILE" 1>&2
exit 1
fi
done
本文用到了很多shell命令，篇幅所限，恕不詳述，如果有不明白的就請自己搜索吧。
posted on 2016-09-18 09:38
xzc 閱讀(963)
評論(0) 編輯 收藏 所屬分類:
linux/unix