BOM 是 Byte Order Mark 的縮寫,是 UTF 編碼體系中用來標識編碼的標準標記。它在 UTF-16 裡是 FF FE,轉成 UTF-8 之後就成了 EF BB BF。
這個標記是可選的。因為 UTF-8 的位元組沒有順序問題,所以它可以用來偵測一段位元組流是否為 UTF-8 編碼。微軟會做這種偵測,但有些軟體不做,會把它當成一般字元處理。
微軟會在自己的 UTF-8 文字檔開頭加上 EF BB BF 三個位元組,Windows 上的記事本等程式就是靠這三個位元組來判斷檔案是 ASCII 還是 UTF-8。然而這只是微軟單方面的慣例,其他平台並不會對 UTF-8 文字檔做這種標記。
也就是說,UTF-8 檔可能帶 BOM,也可能不帶。有四種檢查方式:
Unicode 簽名 BOM
用 Convertz 把 GB2312 檔轉成 UTF-8 時,預設是不帶 BOM 的。不帶 BOM 可能出現亂碼;但帶 BOM,對 PHP 的 include 檔要特別小心——它會在 PHP 位元組流前面多出 EF BB BF,一旦提前輸出到螢幕,就可能造成程式錯誤。
一個實用的解法是:凡是被 include 的檔案都存成 ANSI,主檔則用 UTF-8。
若要把既存檔案的 BOM 移除,可用 UltraEdit 開啟並切到十六進位模式,把最前面那三個位元組(EF BB BF)換成 20,存檔時記得關掉自動備份,然後切回預設編輯模式,刪掉最前面的三個空格即可。
還有一些編碼知識值得記下: