java處理BOM文本的方法

　　下面舉個(gè)例子，針對(duì)UTF-8的文件BOM做個(gè)處理：

　　String xmla = StringFileToolkit.file2String(new File("D:\projects\mailpost\src\a.xml"),"UTF-8");

　　byte[] b = xmla.getBytes("UTF-8");

　　String xml = new String(b,3,b.length-3,"UTF-8");

　　Document doc1 = DocumentHelper.parseText(xml);

　　Element e1 = (Element)doc1.selectSingleNode("/ResponseData/Body/RetDesc");

　　Element e2 = (Element)doc1.selectSingleNode("/ResponseData/Head/RespID");

　　Element e3 = (Element)doc1.selectSingleNode("/ResponseData/Body/RetCode");

　　Element e4 = (Element)doc1.selectSingleNode("/ResponseData/Body/RetDesc");

　　思路是：先按照UTF-8編碼讀取文件后，跳過(guò)前三個(gè)字符，重新構(gòu)建一個(gè)新的字符串，然后用Dom4j解析處理，這樣就不會(huì)報(bào)錯(cuò)了。

　　其他編碼的方式處理思路類似，其實(shí)可以寫(xiě)一個(gè)通用的自動(dòng)識(shí)別的BOM的工具，去掉BOM信息，返回字符串。

　　不過(guò)這個(gè)處理過(guò)程已經(jīng)有牛人解決過(guò)了：http://koti.mbnet.fi/akini/java/unicodereader/

　　什么是BOM

　　BOM(byte-order mark)，即字節(jié)順序標(biāo)記，它是插入到以UTF-8、UTF16或UTF-32編碼Unicode文件開(kāi)頭的特殊標(biāo)記，用來(lái)識(shí)別Unicode文件的編碼類型。對(duì)于UTF-8來(lái)說(shuō)，BOM并不是必須的，因?yàn)锽OM用來(lái)標(biāo)記多字節(jié)編碼文件的編碼類型和字節(jié)順序(big-endian或little-endian)。

　　在絕大多數(shù)編輯器中都看不到BOM字符，因?yàn)樗鼈兡芾斫釻nicode，去掉了讀取器看不到的題頭信息。若要查看某個(gè)Unicode文件是否以BOM開(kāi)頭，可以使用十六進(jìn)制編輯器。下表列出了不同編碼所對(duì)應(yīng)的BOM。

　　BOM Encoding

　　EF BB BF UTF-8

　　FE FF UTF-16 (big-endian)

　　FF FE UTF-16 (little-endian)

　　00 00 FE FF UTF-32 (big-endian)

　　FF FE 00 00 UTF-32 (little-endian)

　　BOM的來(lái)歷

　　為了識(shí)別 Unicode 文件，Microsoft 建議所有的 Unicode 文件應(yīng)該以 ZERO WIDTH NOBREAK SPACE(U+FEFF)字符開(kāi)頭。這作為一個(gè)“特征符”或“字節(jié)順序標(biāo)記(byte-order mark，BOM)”來(lái)識(shí)別文件中使用的編碼和字節(jié)順序。

　　不同的系統(tǒng)對(duì)BOM的支持

　　因?yàn)橐恍┫到y(tǒng)或程序不支持BOM，因此帶有BOM的Unicode文件有時(shí)會(huì)帶來(lái)一些問(wèn)題。

　　1.JDK1.5以及之前的Reader都不能處理帶有BOM的UTF-8編碼的文件，解析這種格式的xml文件時(shí)，會(huì)拋出異常：Content is not allowed in prolog.

　　2.Linux/UNIX 并沒(méi)有使用 BOM，因?yàn)樗鼤?huì)破壞現(xiàn)有的 ASCII 文件的語(yǔ)法約定。

　　不同的編輯工具對(duì)BOM的處理也各不相同。使用Windows自帶的記事本將文件保存為UTF-8編碼的時(shí)候，記事本會(huì)自動(dòng)在文件開(kāi)頭插入BOM(雖然BOM對(duì)UTF-8來(lái)說(shuō)并不是必須的)，但是editplus就不會(huì)這樣做。

　　BOM與XML

　　XML解析讀取XML文檔時(shí)，W3C定義了3條規(guī)則：

　　1.如果文檔中有BOM，就定義了文件編碼;

　　2.如果文檔中沒(méi)有BOM，就查看XML聲明中的編碼屬性;

　　3.如果上述兩者都沒(méi)有，就假定XML文檔采用UTF-8編碼。

【java處理BOM文本的方法】相關(guān)文章：

java如何處理BOM文本09-01

的java圖像處理的方法10-29

java圖像處理的方法10-18

java圖像處理的方法大全09-03

Java編程中異常處理的方法10-02

JAVA常見(jiàn)錯(cuò)誤處理方法08-13

用Java處理各類圖片的方法08-19

Java 異常處理09-16

Java的異常處理及應(yīng)用10-01