C#寫UTF8文件時指定是否含BOM頭

BOM的基本概念

在UCS 編碼中有一個叫作"ZERO WIDTH NO-BREAK SPACE"的字符，它的編碼是FEFF。而FFFE在UCS中是不存在的字符，因此不該該出如今實際傳輸中。UCS規範建議咱們在傳輸字節流前，先傳輸字符"ZERO WIDTH NO-BREAK SPACE"。這樣若是接收者收到FEFF，就代表這個字節流是Big-Endian的；若是收到FFFE，就代表這個字節流是Little-Endian的。所以字符"ZERO WIDTH NO-BREAK SPACE"又被稱做BOM。

 

UTF-8中的BOM

UTF-8不須要BOM來代表字節順序，但能夠用BOM來代表編碼方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8編碼是EF BB BF。因此若是接收者收到以EF BB BF開頭的字節流，就知道這是UTF-8編碼了。

UTF-8編碼的文件中，BOM佔三個字節。若是用記事本把一個文本文件另存爲UTF-8編碼方式的話，用UE打開這個文件，切換到十六進制編輯狀態就能夠看到開頭的FFFE了。這是個標識UTF-8編碼文件的好辦法，軟件經過BOM來識別這個文件是不是UTF-8編碼。

對於含BOM頭的UTF8文件，前三個字節是\xEF\xBF\xBD，某些軟件對於不包含BOM頭格式的文件識別存在問題，而有些軟件對於有BOM頭的文件解析有問題。因此這個問題要區別對待，咱們能夠在Notepad++裏進行轉換。

 

C#寫文件時指定是否有BOM

下面是C#在寫文件時指定BOM頭的代碼：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

var utf8WithBom = new System.Text.UTF8Encoding( true );  // 用true來指定包含bom StreamWriter swr = null ; try {      swr = new StreamWriter( "okbase.txt" , false , utf8WithBom);      swr.Write( "hello okbase.net!" ); } catch (Exception e) { } finally {      if (swr != null )      {          swr.Close();          swr.Dispose();      } }

下面的代碼是不須要BOM:

1 2 3 4 5

var utf8WithoutBom = new System.Text.UTF8Encoding( false ); using (var sink = new StreamWriter( "Foobar.txt" , false , utf8WithoutBom)) { sink.WriteLine( "..." ); }