课程咨询 :027-87185216 QQ:2490085651

武汉PHP培训 > 达内新闻 > UTF-8编码中BOM的检测与删除
  • UTF-8编码中BOM的检测与删除

    发布:第一PHP社区      来源:第一PHP社区      时间:2016-06-02

  • 所谓BOM,全称是Byte Order Mark,它是一个Unicode字符,通常出现在文本的开头,用来标识字节序(Big/Little Endian),除此以外还可以标识编码(UTF-8/16/32),如果出现在文本中间,则解释为zero width no-break space。 注:Unicode相关知识的详细介绍请参考UTF-8, UTF-16, UTF-32 & BOM。 对于UTF-8/16/32而言,它们名字中的8/16/32指的是编码单位是多少位的,也就是说,它们的编码单位分别是8/16/32位,换算成字节就是1/2/4字节,如果是多字节,就要牵扯到字节序,UTF-8以单字节为编码单位,所以不存在字节序。 UTF-8主要的优点是可以兼容ASCII,但如果使用BOM的话,这个好处就荡然无存了,除此以外,BOM的存在还可能引发一些问题,比如下面错误便都有可能是BOM导致的:

    Shell: No such file or directory
    PHP: Warning: Cannot modify header information – headers already sent
    在详细讨论UTF-8编码中BOM的检测与删除问题前,不妨先通过一个例子热热身:
    shell> curl -s http://phone.10086.cn/ | head -1 | sed -n l
    \357\273\277<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional\
    //EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">\r$
    如上所示,前三个字节分别是357、273、277,这就是八进制的BOM。

    shell> curl -s http://phone.10086.cn/ | head -1 | hexdump -C
    00000000  ef bb bf 3c 21 44 4f 43  54 59 50 45 20 68 74 6d  |...<!DOCTYPE htm|
    00000010  6c 20 50 55 42 4c 49 43  20 22 2d 2f 2f 57 33 43  |l PUBLIC "-//W3C|
    00000020  2f 2f 44 54 44 20 58 48  54 4d 4c 20 31 2e 30 20  |//DTD XHTML 1.0 |
    00000030  54 72 61 6e 73 69 74 69  6f 6e 61 6c 2f 2f 45 4e  |Transitional//EN|
    00000040  22 20 22 68 74 74 70 3a  2f 2f 77 77 77 2e 77 33  |" "http://www.w3|
    00000050  2e 6f 72 67 2f 54 52 2f  78 68 74 6d 6c 31 2f 44  |.org/TR/xhtml1/D|
    00000060  54 44 2f 78 68 74 6d 6c  31 2d 74 72 61 6e 73 69  |TD/xhtml1-transi|
    00000070  74 69 6f 6e 61 6c 2e 64  74 64 22 3e 0d 0a        |tional.dtd">..|

    如上所示,前三个字节分别是EF、BB、BF,这就是十六进制的BOM。 注:用到了第三方网站的页面,不能保证例子始终可用。 实际做项目开发时,可能会面对成百上千个文本文件,如果有几个文件混入了BOM,那么很难察觉,如果没有带BOM的UTF-8文本文件,可以用vi杜撰几个,相关命令如下:
    设置UTF-8编码:
    :set fileencoding=utf-8
    添加BOM:
    :set bomb
    删除BOM:
    :set nobomb
    查询BOM:
    :set bomb?
    如何检测UTF-8编码中的BOM呢?
    shell> grep -r -I -l $'^\xEF\xBB\xBF' /path
    如何删除UTF-8编码中的BOM呢?
    shell> grep -r -I -l $'^\xEF\xBB\xBF' /path | xargs sed -i 's/^\xEF\xBB\xBF//;q'
    推 荐:如果你使用SVN的话,可以在pre-commit钩子里加上相关代码用以杜绝BOM。
    #!/bin/bash

    REPOS="$1"
    TXN="$2"

    SVNLOOK=/usr/bin/svnlook

    for FILE in $($SVNLOOK changed -t "$TXN" "$REPOS" | awk '/^[AU]/ {print $NF}'); do
        if $SVNLOOK cat -t "$TXN" "$REPOS" "$FILE" | grep -q $'^\xEF\xBB\xBF'; then
            echo "Byte Order Mark be found in $FILE" 1>&2
            exit 1
        fi
    done

    本文用到了很多shell命令,篇幅所限,恕不详述,如果有不明白的就请自己搜索吧。
    PS:一些其他的命令行:
     
        awk '{if(NR==1)sub(/^\xef\xbb\xbf/,"");print}' text.txt   
        tail --bytes=+4 text.txt     
        tail -c +4 UTF8 > UTF8.nobom

    推荐文章

上一篇:武汉php培训:PHP数组函数总结

下一篇:php提升效率优化技巧

最新开班日期  |  更多

PHP高级开发工程师定制班

PHP高级开发工程师定制班

开班日期:3/15

PHP高级开发工程师周末班

PHP高级开发工程师周末班

开班日期:3/15

PHP高级开发工程师精品班

PHP高级开发工程师精品班

开班日期:3/15

PHP高级开发工程师就业班

PHP高级开发工程师就业班

开班日期:3/15

  • 地址:武汉市洪山区洪山亚贸广场B座12楼
  • 课程培训电话:027-87185216 QQ:2490085651     全国服务监督电话:400-827-0010
  • 服务邮箱 ts@tedu.cn
  • 2001-2016 达内时代科技集团有限公司 版权所有 京ICP证8000853号-56