Java 是否有获取各种字节顺序标记的方法？答案

【问题标题】：Does Java have methods to get the various byte order marks?Java 是否有获取各种字节顺序标记的方法？
【发布时间】：2010-10-17 06:07:08
【问题描述】：

我正在寻找一种实用方法或 Java 中的常量，它将返回与编码的适当字节顺序标记相对应的字节，但我似乎找不到。有吗？我真的很想做这样的事情：

byte[] bom = Charset.forName( CharEncoding.UTF8 ).getByteOrderMark();

CharEncoding 来自 Apache Commons。

【问题讨论】：

【解决方案1】：

Java 无法识别 UTF-8 的字节顺序标记。请参阅错误 4508058 和 6378911。

要点是添加了支持，破坏了向后兼容性，并被回滚。您必须自己在 UTF-8 中进行 BOM 识别。

【讨论】：

【解决方案2】：

Apache Commons IO 包含您要查找的内容，请参阅 org.apache.commons.io.ByteOrderMark。

【讨论】：

【解决方案3】：

您可以像这样生成 BOM：

byte[] utf8_bom = "\uFEFF".getBytes("UTF-8");
byte[] utf16le_bom = "\uFEFF".getBytes("UnicodeLittleUnmarked");

如果您希望使用此方法为其他编码创建 BOM，请确保使用不会自动插入 BOM 的编码版本，否则会重复。此技术仅适用于 Unicode 编码，不会产生对其他人有意义的结果（如 Windows-1252）。

【讨论】：

我的具体情况是编写一个 UTF-8 的 CSV 文件。据我所知，UTF-8 BOM 是说服 Excel 不要尝试以默认字符编码读取文件的唯一方法。
没有一个实用方法可以帮助您处理 Excel 文件，但是将 0xEF 0xBF 0xBF 写入您的 OutputStream 应该不是问题。只需在将流包装在 UTF-8 编码的 Writer 中之前刷新这些字节。
我不会在常见问题解答中说“不鼓励使用它”。 UTF-8 BOM 确实没有指定“字节顺序标记”（这有点用词不当），但它肯定有助于表明流使用 UTF-8 编码。
这是一个公平的评论 - 我已经更新了帖子。不过，我不禁觉得他们习惯了不使用它：blogs.msdn.com/oldnewthing/archive/2007/04/17/2158334.aspx

【解决方案4】：

据我所知，JDK 中没有任何东西，也没有任何 Apache 项目。

Eclipse EMF 有一个提供支持的 Enum：

我不确定这对你有没有帮助？

这里有一些关于每种编码类型的各种 BOM 的更多信息，您可以为此编写一个简单的帮助类或枚举...

希望对您有所帮助。老实说，我很惊讶这不在 Commons I/O 中。

【讨论】：

【解决方案5】：

值得注意的是，许多编码不使用任何字节顺序标记。例如UTF-8 中的空字符串只是一个空字节[]。虽然为 UTF-8 指定了 BOM，但它在 Java 中很少使用，并且并不总是受支持。

【讨论】：

投反对票，因为这似乎是不正确的书面。包含 UTF-8 BOM (EFBBBF) 的三字节字节序列将被解释为空的 UTF-8 字符串如果应用程序了解如何处理 BOM。（如果没有，BOM 就会出问题，空字符串或否。）
Java 不理解 UTF-8 的 BOM。我见过人们对此感到厌烦（文本编辑器决定添加 BOM，javac puked。）
彼得的回答不正确，见en.wikipedia.org/wiki/…