C#写UTF8文件时指定是否含BOM头

BOM的基本概念

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中的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。

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。

对于含BOM头的UTF8文件，前三个字节是\xEF\xBF\xBD，某些软件对于不包含BOM头格式的文件识别存在问题，而有些软件对于有BOM头的文件解析有问题。所以这个问题要区别对待，我们可以在Notepad++里进行转换。

 

C#写文件时指定是否有BOM

下面是C#在写文件时指定BOM头的代码：

var utf8WithBom = new System.Text.UTF8Encoding( true );  // 用true来指定包含bom
StreamWriter swr = null ;
try
{
    swr = new StreamWriter( "okbase.txt" , false , utf8WithBom);
    swr.Write( "hello okbase.net!" );
}
catch (Exception e)
{
}
finally
{
    if (swr != null )
    {
        swr.Close();
        swr.Dispose();
    }
}

下面的代码是不需要BOM:

var utf8WithoutBom = new System.Text.UTF8Encoding( false );
using (var sink = new StreamWriter( "Foobar.txt" , false , utf8WithoutBom))
{
sink.WriteLine( "..." );
}