如果你遇到某段程式「莫名其妙就壞了」,先別急著懷疑邏輯——很可能兇手就是你用包含(include)方式載入的檔案。 header、footer 這類共用檔最常出問題。打開被包含的檔案檢查頁面屬性,如果「包括 Unicode 簽名 BOM」那一項是勾選的,那就是它引發的事故。
寫一個 JS 腳本時,我在頁面插入一段外部 JS,裡面有這麼一句:
$.getJSON("/my/newmsg", function(data){ alert(data); });
其他瀏覽器都正常彈出內容,唯獨 IE 完全沒反應。我卡了將近一小時,先懷疑語法寫錯、再懷疑 JSON 格式有問題,最後開始懷疑人生。
後來才想到檢查編碼,於是看到那個該死的 BOM 打了勾。把它去掉,一切立刻恢復正常。
我很少更新部落格,但這件事實在太意外,非得記下來:原來 JS 也會因為 BOM 出事故。
BOM 是 Byte Order Mark 的簡寫,中文叫位元組序標記。這個東西在一般文字編輯器裡看不到,只有用十六進位編輯器才看得见,所以它算不算「檔案頭」,各說各話。
在 UCS 編碼中有一個名為「ZERO WIDTH NO-BREAK SPACE」的字元,編碼是 FEFF;而 FFFE 在 UCS 中並不存在,因此不該出現在實際傳輸裡。
UCS 規範建議:在傳輸位元組流之前,先傳一個「ZERO WIDTH NO-BREAK SPACE」。這樣接收端若收到 FEFF,就知道這段資料是 Big-Endian;若收到 FFFE,則是 Little-Endian。這個字元因此被稱為 BOM。
UTF-8 不需要 BOM 來表明位元組順序,但可以用它來表明編碼方式。「ZERO WIDTH NO-BREAK SPACE」的 UTF-8 編碼是 EF BB BF,所以接收端看到以這三個位元組開頭的資料流,就知道這是 UTF-8。Windows 正是用 BOM 來標記文字檔的編碼。
問題不在 BOM 本身,而在「誰來讀它」。瀏覽器、PHP 直譯器、JSON 解析器對檔頭多出的三個位元組容忍度不一:有的自動忽略,有的直接把它當成內容的一部分,於是語法錯誤、輸出提前、解析失敗接連發生。
所以經驗法則是:被 include 或被子資源載入的檔案,盡量存成不帶 BOM 的 UTF-8(或 ANSI);只有需要給 Windows 工具辨識的獨立檔案才保留 BOM。