一个文本文件，如何知道它是GBK编码、还是UTF-8编码？BOM是什么东西？

( Java 面试题  | Java学习指南 )

我们平时看到的文本文件，虽然都是文本，但有的是GBK编码，有的UTF-8编码。那么，对于一个阅读器，它在读取一个文本文件时如何知道它是GBK还是UTF-8呢？

 

奥秘在于文件头部的几个字节。

规定如下：当以UTF16或UTF-8编码存储时，头部需要添加几个字节作为标识。称为 BOM

UTF8： 头部3个字节 EF BB BF
UTF16BE (Big-Endian) : FE FF 
UTF16LE (Little-Endian) : FF FE

由于UTF-8是我们常见的类型，所以只要关闭UTF-8的BOM即可。

 

当我们自己读取一个文本文件时，便要注意这种事情。要检测头部是否有 EF BB BF ,这三个字节是编码标识，不是有效内容。

final byte[] bom= { (byte)0xEF, (byte)0xBB, (byte)0xBF };
if ( buf[0] == bom[0] && buf[1] == bom[1] && buf[2] == bom[2] )
{
    // It's UTF8 encoded ...
}

反之，如果没有检测到这几种BOM，但是ANSI（本地字符编码）。对于Windows中文版来说，本地编码就是GBK编码。