java xml格式检查_关于java：什么是XML BOM，如何检测到它？

ANSI XML文档中的BOM到底是什么，应该将其删除吗？ 应该将XML文档改为UTF-8吗？ 谁能告诉我一个可以检测BOM的Java方法？ BOM由字符EF BB BF组成。

对于ANSI XML文件，实际上应该将其删除。如果您想使用UTF-8，则不需要它。仅对于UTF-16和UTF-32才需要。

The Byte-Order-Mark (or BOM), is a

special marker added at the very

beginning of an Unicode file encoded

in UTF-8, UTF-16 or UTF-32. It is used

to indicate whether the file uses the

big-endian or little-endian byte

order. The BOM is mandatory for UTF-16

and UTF-32, but it is optional for

UTF-8.

(来源：https://www.opentag.com/xfaq_enc.htm#enc_bom)

关于如何在Java中检测到这个问题。

请检查以下有关此问题的答案：Java：如何确定流的正确字符集编码，如果现在要自己确定BOM(风险由您自己承担)，请检查此代码，例如Java技巧：如何读取文件和自动指定正确的编码。

基本上，您自己只是读取前几个字节，然后确定您是否已找到BOM。

感谢您的出色回答。因为我期望文件为UTF-8，所以我只是使用类似以下内容忽略前三个字符：String file1sub = getXMLContents(file1).substring(3);

@jitter-我不确定您的BOM报价来自何处。 XML不需要UTF-16或UTF-32文档中的BOM-解析器不应该管理。 XML编码检测：w3.org/TR/REC-xml/#sec-guessing否则，对BOM的要求取决于域。 Unicode.org BOM常见问题解答：unicode.org/faq/utf_bom.html#BOM

这就解释了为什么Notepad ++允许您将新文件的默认设置设置为"不带BOM的UTF-8"

字节顺序标记可能是以下字节序列之一：

UTF-8 BOM: ef bb bf

UTF-16BE BOM: fe ff

UTF-16LE BOM: ff fe

UTF-32BE BOM: 00 00 fe ff

UTF-32LE BOM: ff fe 00 00

这些是Unicode代码点U + FEFF的各种编码形式。可以使用'\uFEFF'表示为Java char文字(Java char值隐式为UTF-16)。由于U + FEFF并不是大多数编码形式，因此BOM表代码点不可能由它们编码。 (有关在此处使用Java编码BOM的更多信息。)

当涉及到BOM和XML时，它们是可选的(另请参见Unicode BOM FAQ)。如果在声明中指定了编码，则XML编码的检测相对简单。始终确保XML声明()与用于编写文档的编码匹配。如果您对此严格，解析器应该能够正确解释您的文档。 (有关编码检测的XML规范。)

我尽可能提倡将编码编码为Unicode(另请参见Unicode的10条诫命)。也就是说，XML允许通过转义实体表示任何Unicode字符(例如'A'可以由A表示)，因此不一定要避免数据丢失。

XML允许通过转义实体表示任何Unicode字符-很好，除了您需要CDATA部分;-)

OP：

Can anyone tell me a Java method that will detect the BOM?

org.apache.commons.io.input.BOMInputStream Javadocs：

This class detects these bytes and, if required, can automatically skip them and return the subsequent byte as the first byte in the stream.

我不确定这对回答"什么是XML BOM和如何检测它"有帮助吗？

@Matt-我从Javadocs复制了描述。希望能有所帮助。

不要在utf-8文件中插入BOM表：如果两个这样的文件合并，则中间会出现BOM表，这可能会破坏应用程序，或导致xml解析器引发异常。

啊有趣的提示。我从来没想过这点。幸运的是，合并XML文件并不常见。

那么UTF-16LE文件中的BOM表又如何呢？

您永远不应将XML文件合并为简单的文本文件。每个XML文件都应以序言开头。