使用带BOM的UTF8编码的Java源代码进行编译（javac）

Question

你好，感谢阅读我的帖子。

我的问题如下：我想使用“javac”编译一个Java源文件，该文件采用UTF-8编码并带有BOM（操作系统为WinXP）。

以下是我的步骤：

1）使用“记事本”创建一个文件，并选择UTF-8编码。

dos> notepad Test.java
"File -> Save as..."
File name   : Test.java
Save as type: All Files
Encoding    : UTF-8
Save

2) 在该文件中创建一个Java类，并像1）中那样保存该文件。

public class Test
{
    public static void main(String [] args)
    {
        System.out.println("This is a test.");
    }
}

3）可视化文件的十六进制版本（第一行）

dos> xxd Test.java | head -1
0000000: efbb bf70 7562 6c69 6320 636c 6173 7320  ...public class

注意: ef bb bf 是UTF-8编码的BOM (UTF-16编码的BOM为 FE FF)。

4) 尝试使用"javac"编译这段代码。

dos> javac -encoding utf8 Test.java
Test.java:1: illegal character: \65279
?public class Test
^
1 error

注意：65279是BOM的十进制版本。

我的问题如下：如何在以下情况下使编译工作正常：

• 保持UTF-8编码
• 同时保留BOM？

谢谢您的帮助，最好的问候。

Léa

- Léa Massiot

---

没错：你必须删除BOM。它在UTF-8中没有任何作用，所以这当然是一个错误。这是一个长期存在的微软漏洞。绝对不要在UTF-8中放置BOM!!!!! - tchrist

你好。感谢你的回答。 我使用"Notepad++"将文件编码为"UTF8 without BOM"。 现在使用"javac"编译代码可以正常工作了。 - Léa Massiot

Unicode标准允许在UTF-8中使用BOM，因此如果您希望使用它，可以将其放置在那里。为什么要这样做是另一个故事，但javac应该会处理它。 - Sled

可能是重复的问题：如何编译以"UTF-8"编码的Java源文件？ - Joe

Answer 1

剪辑BOM，然后使用javac -encoding utf8 x.java

- el fuego

---

这解决了我的javac编译问题。但是现在Windows10控制台仍然显示未知字符，比如"???????????"。 - Manishoaham

据我了解，chcp 65001 可以帮助您在控制台中显示正常的字符。 - el fuego

尝试了这个，问题仍未解决。开放的问号“?????”转换为方框问号。Windows控制台仍然无法识别文本。这里显示正确的内容：लोकसभा के चुनावी रण में सत्तारूढ़ भाजपा की ओर से सिर्फ नरेन्द्र मोदी ही दिखाई दे रहे हैं। - Manishoaham

这是我至少三个月来一直没能解决的问题。感谢stackoverflow！ - Petr Fořt Fru-Fru

Answer 2

这不是你的文本编辑器的问题，而是javac的问题！Unicode规范表示在UTF-8中BOM是可选的，并没有说它是禁止的！如果BOM存在，那么javac必须处理它，但实际上它没有处理。事实上，在UTF-8文件中使用BOM有助于区分ANSI编码文件和Unicode编码文件。建议的解决方案是删除BOM，但这只是一种解决方法，而不是正确的解决方法。这个错误报告表明这个“问题”永远不会被修复：https://web.archive.org/web/20160506002035/http://bugs.java.com/view_bug.do?bug_id=4508058。由于这个主题在“javac BOM”搜索结果中排名前两位，我把它放在这里供未来读者参考。

- Etienne Delavennat

---

实际上，你提到的 bug 与 UTF-8 解码器有关；它与编译器是否可以被修改以检测和丢弃 Java 源文件中的任何 BOM 无关，但编译器确实可以并且应该这样做。 - Lawrence Dol

Answer 3

https://dev59.com/6Gkw5IYBdhLWcg3wkLMX#28043356

实际上，在UTF-8文件中使用BOM有助于区分ANSI编码文件和Unicode编码文件。

实际上

• BOM并不是用来区分ANSI和Unicode的。不要故意使用一个不是为此设计的功能。

• UTF-8被有意设计成与ANSI向后兼容，因此处理格式化文本的大量代码仅依赖于0..127字节（XML、JSON等），应该可以正确地处理UTF-8编码的文本而无需任何修改。

- Andrey Skoskin

---

请注意，这仅适用于字节级兼容性，在使用UTF-8替换ANSI时，字符级计算将出现错误。 - Nashev

UTF-8仅向后兼容_ASCII_（7位范围，0x0 - 0x7F），而不是_ANSI_（ASCII的扩展，还定义了8位范围内的字符，0x80 - 0xFF，该范围与UTF-8不兼容）。是的，在UTF-8文件中使用BOM可用于将其与ANSI（或OEM，...）文件区分开来。 - mklement0