UTF-8文件的BOM头的来由及去除方法

1. 什么是BOM头

        在utf-8编码文件中BOM在文件头部，占用三个字节，用来标识该文件属于utf-8编码，现在已经有很多软件识别BOM头，但还是有些不能识别BOM头，比如PHP就不能识别BOM头，这也就是用记事本编辑utf-8编码的PHP文件后，就会报错的原因。

 

2. 包含BOM头文件的产生

        在windows环境下，用记事本打开任何一个文本文件，另存为utf-8格式后，这样文件就自动被加上了BOM头信息。

        比较：

                        utf-8（含BOM头）

                       

 

                        utf-8（不含BOM头）

                       

       

        从上图的比较中，可以很明显的看出，含BOM头的文件多出三个字节 efbbbf。

 

3. BOM头信息的去除方法

        用Notepad++打开文件，选择 格式 -> 以UTF-8无BOM格式编码，再保存就行。如下图：

       

 

4. 在PHP类的项目中，自动处理BOM头信息（只需要将此文件放在项目根目录下，从浏览器访问即可）

<</font>?php

if (isset($_GET['dir'])) { //设置文件目录   
    $basedir = $_GET['dir'];
} else {
    $basedir = '.';
}

checkdir($basedir);


function checkdir($basedir) {
    if ($dh = opendir($basedir)) {
        while (($file = readdir($dh)) !== false) {
            if ($file != '.' && $file != '..') {
                if (!is_dir($basedir . "/" . $file)) {
                    echo "filename: $basedir/$file " . checkBOM("$basedir/$file") . "
";
                } else {
                    $dirname = $basedir . "/" . $file;
                    checkdir($dirname);
                }
            }
        }
        closedir($dh);
    }
}


function checkBOM($filename, $auto = 1) {
    $contents = file_get_contents($filename);
    $charset[1] = substr($contents, 0, 1);
    $charset[2] = substr($contents, 1, 1);
    $charset[3] = substr($contents, 2, 1);
    if (ord($charset[1]) == 239 && ord($charset[2]) == 187 && ord($charset[3]) == 191) {
        if ($auto == 1) {
            $rest = substr($contents, 3);
            rewrite($filename, $rest);
            return ("BOM found, automatically removed.  lfire博客");
        } else {
            return ("BOM found.");
        }
    }
    else
        return ("BOM Not Found.");
}


function rewrite($filename, $data) {
    $filenum = fopen($filename, "w");
    flock($filenum, LOCK_EX);
    fwrite($filenum, $data);
    fclose($filenum);
}

?>