java获取xml内容去掉BOM头_如何从Java中的XML文件中删除BOM

因为UTF-8文件中的BOM而破坏工具是我经验中很常见的事情。我不知道为什么那里有如此多的downvote(但是这让我有机会尝试获得足够的投票赢得一个特殊的SO徽章);

更重要的是：UTF-8 BOM通常没有什么意义，但它完全有效(尽管不鼓励)规格。现在的问题是很多人都不知道BOM在UTF-8中有效，因此编写了不能正确处理这些文件的破坏的工具/ API。

现在您可能会遇到两个不同的问题：您可能希望从Java处理该文件，或者您需要使用Java以编程方式创建/修复其他(破碎)工具所需的文件。

我曾经在一次咨询会中发现，帮助台将不断收到用户发出的问题的文本编辑器的问题，这些文本编辑器会产生完全有效的Java生成的UTF-8文件。所以我必须解决这个问题，确保从我们处理的每一个UTF-8文件中删除BOM。

我想从文件中删除BOM，您可以创建一个新文件，并跳过前三个字节。例如：

... $ file /tmp/src.txt

/tmp/src.txt: UTF-8 Unicode (with BOM) English text

... $ ls -l /tmp/src.txt

-rw-rw-r-- 1 tact tact 1733 2012-03-16 14:29 /tmp/src.txt

... $ hexdump -C /tmp/src.txt | head -n 1

00000000 ef bb bf 50 6f 6b 65 ...

您可以看到，文件以“ef bb bf”开头，这是(完全有效的)UTF-8 BOM。

这是一种通过跳过前三个字节来获取文件并复制该文件的方法：

public static void workAroundbrokenToolsAndAPIs(File sourceFile, File destFile) throws IOException {

if(!destFile.exists()) {

destFile.createNewFile();

}

FileChannel source = null;

FileChannel destination = null;

try {

source = new FileInputStream(sourceFile).getChannel();

source.position(3);

destination = new FileOutputStream(destFile).getChannel();

destination.transferFrom( source, 0, source.size() - 3 );

}

finally {

if(source != null) {

source.close();

}

if(destination != null) {

destination.close();

}

}

}

请注意，这是“原始”：您通常希望首先确定您在调用此消息之前拥有BOM或“可能发生不良想法”[TM]。

你可以看看你的文件：

... $ file /tmp/dst.txt

/tmp/dst.txt: UTF-8 Unicode English text

... $ ls -l /tmp/dst.txt

-rw-rw-r-- 1 tact tact 1730 2012-03-16 14:41 /tmp/dst.txt

... $ hexdump -C /tmp/dst.txt

00000000 50 6f 6b 65 ...

BOM已经走了

private static InputStream checkForUtf8BOMAndDiscardIfAny(InputStream inputStream) throws IOException {

PushbackInputStream pushbackInputStream = new PushbackInputStream(new BufferedInputStream(inputStream), 3);

byte[] bom = new byte[3];

if (pushbackInputStream.read(bom) != -1) {

if (!(bom[0] == (byte) 0xEF && bom[1] == (byte) 0xBB && bom[2] == (byte) 0xBF)) {

pushbackInputStream.unread(bom);

}

}

return pushbackInputStream; }

请注意，这是有效的，但肯定不会修复更严重的问题，您可以在工作链中的其他工具不能正常工作与具有BOM的UTF-8文件。

这里有一个更完整答案的问题的链接，涵盖其他编码：