DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> WEB網站前端 >> 前端技巧
Unicode 簽名 BOM 是什麼?定義、偵測與 PHP 應用陷阱
編輯:前端技巧     

什麼是 BOM

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。

怎麼判斷一個 UTF-8 檔有沒有 BOM

也就是說,UTF-8 檔可能帶 BOM,也可能不帶。有四種檢查方式:

  1. 用 UltraEdit-32 開啟檔案,切換到十六進位編輯模式,看檔頭是否有 EF BB BF。
  2. 用 Dreamweaver 開啟,檢查頁面屬性裡「包括 Unicode 簽名 BOM」前有沒有打勾。
  3. 用 Windows 記事本開啟並「另存新檔」,看預設編碼是 UTF-8 還是 ANSI;若是 ANSI 則不含 BOM。
  4. 用 EmEditor 開啟並「另存新檔」,看編碼下方「添加 Unicode 簽名(BOM)」是否勾選。

Unicode 簽名 BOM

PHP 應用中的問題與解法

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。

順帶釐清的編碼概念

還有一些編碼知識值得記下:

  • 所謂「Unicode 存檔」實際上是 UTF-16,只是編碼恰好與 Unicode 碼位相同。概念上 Unicode 與 UTF 是兩回事:Unicode 是記憶體中的編碼表示方案,UTF 則是保存與傳輸 Unicode 的方案。
  • UTF-16 分高位在前(LE)與高位在後(BE)兩種;官方的 UTF-32 同樣分 LE 與 BE。
  • 非官方的 UTF-7 主要用於郵件傳輸。
  • UTF-8 的單位元組部分與 ISO-8859-1 相容,這主要是因為舊系統與舊函式庫無法正確處理 UTF-16;對英文而言也更省空間,代價是非英文內容會多佔位元組。
  • 在 ISO-8859-1 時代,兩者都用一個位元組表示;遇到其他字元時,UTF-8 會改用兩個或三個位元組。
XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved