Unicode规范中的BOM

BOM表_百度百科

Unicode规范中的BOM

Unicode规范中有一个BOM的概念。BOM——Byte Order Mark，就是 字节序标记。在这里找到一段关于BOM的说明： 　　在UCS 编码中有一个叫做"ZERO WIDTH NO-BREAK SPACE"的字符，它的编码是FEFF。而FFFE在UCS中是不存在的 字符，所以不应该出现在实际传输中。UCS规范建议我们在传输 字节流前，先传输字符"ZERO WIDTH NO-BREAK SPACE"。这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这个字节流是 Little-Endian的。因此字符"ZERO WIDTH NO-BREAK SPACE"又被称作BOM。 　　UTF-8不需要BOM来表明 字节顺序，但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是EF BB BF。所以如果接收者收到以EF BB BF开头的 字节流，就知道这是UTF-8编码了。 　　Windows就是使用BOM来标记文本文件的编码方式的。 　　另外unicode网站的FAQ-BOM详细介绍了BOM。官方的自然权威，不过是英文的，看起来比较费劲。 　　UTF-8编码的文件中，BOM占三个字节。如果用 记事本把一个文本文件 另存为UTF-8 编码方式的话，用UE打开这个文件，切换到十六进制编辑状态就可以看到开头的FFFE了。这是个标识UTF-8编码文件的好办法， 软件通过BOM来识别这个文件是否是UTF-8编码，很多软件还要求读入的文件必须带BOM。可是，还是有很多 软件不能识别BOM。我在研究Firefox的时候就知道，在Firefox早期的版本里，扩展是不能有BOM的，不过Firefox 1.5以后的版本已经开始支持BOM了。现在又发现，PHP也不支持BOM。 　　PHP在设计时就没有考虑BOM的问题，也就是说他不会忽略UTF-8编码的文件开头BOM的那三个字符。由于必须在<?或者<?php后面的代码才会作为PHP代码执行，所以这三个字符将会直接输出。如果 插件的文件有这个问题，将会导致在 后台页面里激活或者不激活插件后显示白屏，如果是模版文件有这个问题，将会导致这三个字符直接输出，造成页面上方有一个小空行。国外的英文 插件和模版一般都是用的ASCⅡ码的编码方式，不会有BOM，只有国内的插件和模版会由于作者的不知情造成问题。还有，大家修改模版的时候，由于输出页面使用UTF-8编码，那么修改模版的时候如果有加入中文字符的话，必须把文件转成UTF-8编码才能正常显示，这个时候如果所使用的 编辑器自动加上了BOM的话，将会造成在页面上输出这三个字符，显示效果就要看 浏览器了，一般是一个空行或是一个 乱码。