在 HTML 文件中是否包含 Unicode 签名 (BOM)？答案

【问题标题】：Include Unicode Signature (BOM) in HTML files or not?在 HTML 文件中是否包含 Unicode 签名 (BOM)？
【发布时间】：2015-08-01 16:34:48
【问题描述】：

在 Dreamweaver 中，我有“包含 Unicode 签名 (BOM)”选项。

如果我选中此框并将文件保存为 HTML 文件，则在 Web 浏览器中查看时看起来不错。如果不是，它会给我一些奇怪的瑞典字母符号，比如 åäö。

如果我使用标题响应“Content-Type: text/html; charset=utf-8”为这个 HTML 文件提供奇怪的字母，它仍然会给我奇怪的符号。

Q1)这是否意味着它不是UTF-8编码的文件（没有BOM显示奇怪符号的文件）？

Q2) 是什么让文件采用 UTF-8 编码，仅仅是 Unicode 签名 (BOM) 吗？

Q3)我应该还是不应该在我的文件（HTML、Javascript、CSS、PHP）中添加包含 Unicode 签名 (BOM)？

我知道我可以在 HTML 代码中添加 <meta charset="UTF-8"> 或在我的 .htaccess 中键入 AddDefaultCharset UTF-8。我只是认为最佳解决方案是让标题响应说“它是一个 UTF-8 编码文件”，然后实际上也提供一个 UTF-8 编码文件。没有别的了。

Q4) 我认为 HTML 文件是纯文本文件。这些文件中还隐藏了哪些其他信息？如何阅读这些信息？

【问题讨论】：

您需要了解 ASCII 和 Unicode 之间的区别——这可能会回答您的所有问题。 stackoverflow.com/questions/19212306/…。只需谷歌“ASCII 和 Unicode 之间的区别”并开始阅读......
看看The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)。
What Every Programmer Absolutely, Positively Needs To Know About Encodings And Character Sets To Work With Text
来自文章：“但是元标签确实必须是部分中的第一件事，因为一旦网络浏览器看到这个标签，它就会停止解析页面并开始使用您指定的编码重新解释整个页面后结束。”提供一个 Content-Type http 标头告诉它是一个 UTF-8 编码文件并提供一个正确的 UTF-8 编码文件不是更好吗？那么浏览器就不必重新开始了...如何确定文件是 UTF-8 编码的（无需检查来自服务器的 HTTP 标头响应或查找内联元标记）？

标签： html utf-8 byte-order-mark

【解决方案1】：

对于 UTF-8，BOM完全可选。 The Unicode consortium points 表示它可以制造问题而没有提供真正的优势； the W3C says 它可以替代其他声明编码的形式，并且应该适用于所有现代浏览器。

BOM 仅用于阐明编码的字节顺序。由于 UTF-8 只有一种字节序，所以它是多余的。它仅对 UTF-16 和其他编码有用。无论 BOM 是否存在，UTF-8 编码文件都是 UTF-8 编码的。

HTML 文件不会“隐藏”任何其他信息，它们是纯文本。

我的建议是：

编码为 UTF-8 没有 BOM
添加HTTP Content-Type 标头来表示文件的编码
也将<meta>标签添加到HTML本身作为后备，如果文件在HTTP上下文之外被解释（意味着不存在HTTP标头，因为文件不是通过HTTP读取的）李>

这为您提供了最好的兼容性，并且出现问题的可能性最小。如果您的字符仍然看起来很有趣，那么您的文件实际上不是 UTF-8 编码或 HTTP 标头设置不正确。

【讨论】：

BOM 可以帮助服务器端软件，不过 - PHP/ASP.NET/... 案例。它必须弄清楚什么是正确的文件编码来解析你拥有的任何内联字符。理想情况下，您不会在纯源代码中出现任何此类歧义，但是...一旦我弄清楚 BOM 可以提供多少帮助，我就再也没有回头...
这在很大程度上取决于服务器端软件。一般而言，PHP 并不关心 BOM 或编码，Python 有一个特殊的文件内注释......如果 BOM 对您有用，那就太好了。但在这个问题的给定上下文中，我没有看到任何内容。
感谢您的回答。我的缓存设置欺骗了我，标题设置“text/html”仍然存在，而不是我认为的“text/html;charset=utf-8”。只是最后的澄清。如何确定文件是 UTF-8 编码的（无需检查来自服务器的 HTTP 标头响应或查找内联元标记）？
@user 如果没有任何随附的元数据，就不可能知道一段文本的编码方式。如果你只有一个纯文本文件，那么你能做的最好的就是guess。这几乎意味着：尝试以某种编码打开文件并查看所有字符是否有效。