android xml 如何去掉bom头,如何从Java中的XML文件中删除BOM

小编典典

有因为在UTF-8文件中的BOM的工具断裂是一个 非常

以我的经验平常的事。我不知道为什么会有这么多的否决票(但是这给了我机会去尝试赢得足够的选票来赢得特殊的SO徽章；)

更严重的是：UTF-8 BOM通常没有太大意义， 但

在规格上完全有效(尽管不建议使用)。现在的问题是，很多人不知道BOM在UTF-8中是有效的，因此编写了损坏的工具/ API，无法正确处理这些文件。

现在，您可能遇到两个不同的问题：您可能想从Java处理文件，或者需要使用Java以编程方式创建/修复其他(损坏的)工具所需的文件。

我曾在一个咨询工作中遇到过这样的情况：服务台将继续从用户那里收到消息，这些消息在某些文本编辑器上出现问题，这些文本编辑器会弄乱Java生成的完全有效的UTF-8文件。因此，我必须通过确保从我们正在处理的每个UTF-8文件中删除BOM来解决该问题。

我要从文件中删除BOM表，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 ...

如您所见，文件以“ ef bb bf”开头，这是(完全有效的)UTF-8 BOM。

这是一种方法，它通过跳过前三个字节来获取文件并进行复制：

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，它是“原始的”：通常，在调用此代码或“可能会发生错误的思维” [TM]之前，通常需要先确保您具有BOM。

您可以随后查看您的文件：

... $ 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消失了…

现在，如果您只想透明地删除损坏的Java API的BOM，则可以使用此处描述的 pushbackInputStream

：

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，此工程，但必须绝对 不是 解决更严重的问题，你可以有其他工具在工作链不与具有BOM UTF-8的文件正常工作。

这是指向更完整答案的问题的链接，还涵盖其他编码：

2020-10-12