我通过FileReader读取文件，该文件已用UTF-8解码（带BOM）。现在我的问题是：我读取文件并输出一个字符串，但不幸的是BOM标记也被输出了。为什么会发生这种情况？
fr = new FileReader(file);
br = new BufferedReader(fr);
String tmp = null;
while ((tmp = br.readLine()) != null) {
String text;
text = new String(tmp.getBytes(), "UTF-8");
content += text + System.getProperty("line.separator");
}
第一行之后的输出
?<style>
BOMInputStream来处理这种情况。String的一部分时（String始终以UTF-16表示）。 - finnw\uFFFE（UTF-16，小端序）怎么样？ - Suzana类：org.apache.commons.io.input.BOMInputStream
示例用法：
String defaultEncoding = "UTF-8";
InputStream inputStream = new FileInputStream(someFileWithPossibleUtf8Bom);
try {
BOMInputStream bOMInputStream = new BOMInputStream(inputStream);
ByteOrderMark bom = bOMInputStream.getBOM();
String charsetName = bom == null ? defaultEncoding : bom.getCharsetName();
InputStreamReader reader = new InputStreamReader(new BufferedInputStream(bOMInputStream), charsetName);
//use reader
} finally {
inputStream.close();
}
/**
* 构造一个新的BOM InputStream，它检测到
* {@link ByteOrderMark#UTF_8} 并可选择包含它。
* @param delegate 要委托的InputStream
* @param include true 包括UTF-8 BOM 或 false 排除它
*/
public BOMInputStream(InputStream delegate, boolean include) {
this(delegate, include, ByteOrderMark.UTF_8);
} - czupe以下是我使用Apache BOMInputStream的方法，它使用try-with-resources块。 "false"参数告诉对象忽略以下BOM（我们出于安全原因使用“无BOM”文本文件，哈哈）：
try( BufferedReader br = new BufferedReader(
new InputStreamReader( new BOMInputStream( new FileInputStream(
file), false, ByteOrderMark.UTF_8,
ByteOrderMark.UTF_16BE, ByteOrderMark.UTF_16LE,
ByteOrderMark.UTF_32BE, ByteOrderMark.UTF_32LE ) ) ) )
{
// use br here
} catch( Exception e)
}
BufferedReader 和 InputStreamReader，而是使用 commons.io.IOUtils：String xml = IOUtils.toString(bomInputStream, StandardCharsets.UTF_8)。 - mihcaCharset utf8 = StandardCharsets.UTF_8; // default if no BOM present
try (Reader r = new UnicodeReader(new FileInputStream(file), utf8.name())) {
....
}
Maven依赖：
<dependency>
<groupId>com.google.gdata</groupId>
<artifactId>core</artifactId>
<version>1.47.1</version>
</dependency>
例如，让我们看一下我的代码（用于读取同时包含拉丁字母和西里尔字母的文本文件）：
String defaultEncoding = "UTF-16";
InputStream inputStream = new FileInputStream(new File("/temp/1.txt"));
BOMInputStream bomInputStream = new BOMInputStream(inputStream);
ByteOrderMark bom = bomInputStream.getBOM();
String charsetName = bom == null ? defaultEncoding : bom.getCharsetName();
InputStreamReader reader = new InputStreamReader(new BufferedInputStream(bomInputStream), charsetName);
int data = reader.read();
while (data != -1) {
char theChar = (char) data;
data = reader.read();
ari.add(Character.toString(theChar));
}
reader.close();
因此，我们有一个名为“ari”的ArrayList，其中包含来自文件“1.txt”的所有字符，但不包括BOM。
public static String cutBOM(String value) {
// UTF-8 BOM is EF BB BF, see https://en.wikipedia.org/wiki/Byte_order_mark
String bom = String.format("%x", new BigInteger(1, value.substring(0,3).getBytes()));
if (bom.equals("efbbbf"))
// UTF-8
return value.substring(3, value.length());
else if (bom.substring(0, 2).equals("feff") || bom.substring(0, 2).equals("ffe"))
// UTF-16BE or UTF16-LE
return value.substring(2, value.length());
else
return value;
}
这里提到了Windows上的文件通常会出现这个问题。
一个可能的解决方案是先通过类似dos2unix这样的工具运行该文件。
dos2unix（它是cygwin的一部分）有添加（--add-bom）和删除（--remove-bom）bom的选项。 - Roman
BufferedReader br = new BufferedReader(new InputStreamReader(fis));
while ((currentLine = br.readLine()) != null) {
//case of, remove the BOM of UTF-8 BOM
currentLine = currentLine.replace("","");