使用Java去除BOM字符

Question

如何使用Java将字符串转换为与vi等效的形式？

:set nobomb

假设BOM来自我正在读取的文件。

- James Raitsev

---

Java中的字符串没有BOM...除非你从带有BOM的源读取。 - fge

这正是发生的事情。我正在阅读恰好带有这个标记的文件。 - James Raitsev

你至少知道使用了什么编码（UTF-8，UTF-16 LE/BE）吗？ - fge

如果您有选择，只需使用Notepad++或SublimeText打开文件并重新保存而不带BOM。否则，您需要知道编码类型才能以编程方式完成此操作。 - Durandal

Answer 1

Java在处理BOM时存在问题。实际上，Java将BOM视为普通字符来处理。

找到了这个:

http://www.rgagnon.com/javadetails/java-handle-utf8-file-with-bom.html

public static final String UTF8_BOM = "\uFEFF";

private static String removeUTF8BOM(String s) {
    if (s.startsWith(UTF8_BOM)) {
        s = s.substring(1);
    }
    return s;
}

也许我会使用Apache IO代替：

http://commons.apache.org/proper/commons-io/apidocs/org/apache/commons/io/input/BOMInputStream.html

- Christian Kuetbach

---

"UTF8_BOM" 是一个错误的名称。BOM 与 UTF-8 没有任何关联。相反，UTF-8 不需要 BOM，而 UTF-16 可能需要（而 Microsoft 常常会习惯性地在使用 BOM 写入 UTF-16 文件，这些文件会被不良工具转换成带有 BOM 的 UTF-8）。 - Walter Tross

UTF-8 BOM 由3个字节组成，而不是2个。 - Krzysztof Tomaszewski

Answer 2

对于UTF-8，BOM的值为：0xEF、0xBB、0xBF

- Theresia Sofia Snow