• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    UTF-8 编码中BOM的检测与删除
    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: #!/bin/sh: 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.jb51.net/ | 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.jb51.net/ | 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文本文件例子,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。
    复制代码 代码如下:

    #!/bin/sh

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

    SVNLOOK=/usr/bin/svnlook

    FILES=`$SVNLOOK changed -t "$TXN" "$REPOS" | awk '/^[UA]/ {print $2}'`

    for FILE in $FILES; 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。
    您可能感兴趣的文章:
    • UTF-8 GBK UTF8 GB2312 之间的区别和关系介绍
    • PHP字符编码问题之GB2312 VS UTF-8解决方法
    • PHP iconv 解决utf-8和gb2312编码转换问题
    • php截取utf-8中文字符串乱码的解决方法
    • PHP 解决utf-8和gb2312编码转换问题
    • PHP 字符串编码截取函数(兼容utf-8和gb2312)
    • php实现utf-8和GB2312编码相互转换函数代码
    上一篇:http协议详解(超详细)
    下一篇:htaccess语法教程
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    UTF-8 编码中BOM的检测与删除 UTF-8,编码,中,BOM,的,检测,