java處理BOM文本的方法
下面舉個例子,針對UTF-8的文件BOM做個處理:
String xmla = 2String(new File("D:projectsmailpostsrc"),"UTF-8");
byte[] b = ytes("UTF-8");
String xml = new String(b,3,th-3,"UTF-8");
Document doc1 = eText(xml);
Element e1 = (Element)ctSingleNode("/ResponseData/Body/RetDesc");
Element e2 = (Element)ctSingleNode("/ResponseData/Head/RespID");
Element e3 = (Element)ctSingleNode("/ResponseData/Body/RetCode");
Element e4 = (Element)ctSingleNode("/ResponseData/Body/RetDesc");
思路是:先按照UTF-8編碼讀取文件後,跳過前三個字符,重新構建一個新的字符串,然後用Dom4j解析處理,這樣就不會報錯了。
其他編碼的方式處理思路類似,其實可以寫一個通用的自動識別的BOM的工具,去掉BOM信息,返回字符串。
不過這個處理過程已經有牛人解決過了:
什麼是BOM
BOM(byte-order mark),即字節順序標記,它是插入到以UTF-8、UTF16或UTF-32編碼Unicode文件開頭的特殊標記,用來識別Unicode文件的編碼類型。對於UTF-8來説,BOM並不是必須的,因為BOM用來標記多字節編碼文件的編碼類型和字節順序(big-endian或little-endian)。
在絕大多數編輯器中都看不到BOM字符,因為它們能理解Unicode,去掉了讀取器看不到的題頭信息。若要查看某個Unicode文件是否以BOM開頭,可以使用十六進制編輯器。下表列出了不同編碼所對應的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的來歷
為了識別 Unicode 文件,Microsoft 建議所有的' Unicode 文件應該以 ZERO WIDTH NOBREAK SPACE(U+FEFF)字符開頭。這作為一個“特徵符”或“字節順序標記(byte-order mark,BOM)”來識別文件中使用的編碼和字節順序。
不同的系統對BOM的支持
因為一些系統或程序不支持BOM,因此帶有BOM的Unicode文件有時會帶來一些問題。
1.5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,會拋出異常:Content is not allowed in prolog.
x/UNIX 並沒有使用 BOM,因為它會破壞現有的 ASCII 文件的語法約定。
不同的編輯工具對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編碼的時候,記事本會自動在文件開頭插入BOM(雖然BOM對UTF-8來説並不是必須的),但是editplus就不會這樣做。
BOM與XML
XML解析讀取XML文檔時,W3C定義了3條規則:
1.如果文檔中有BOM,就定義了文件編碼;
2.如果文檔中沒有BOM,就查看XML聲明中的編碼屬性;
3.如果上述兩者都沒有,就假定XML文檔採用UTF-8編碼。
-
初學java編程入門必備的知識
基礎知識是新手學習一門新技術的必須掌握的,下面內容由小編為大家介紹初學java編程入門必備的知識,供大家參考!01、Java編程出現的背景1991年Sun公司的JamesGosling等人開始開發名稱為Oak的語言。希望用於控制嵌入在有線電視交換盒、PDA等的微處理器,但卻沒有取得...
-
Java 異步回調機制實例解析
回調,回調。要先有調用,才有調用者和被調用者之間的回調。下面小編給大家介紹Java異步回調機制實例解析,歡迎閲讀!Java異步回調機制實例解析一、什麼是回調軟件模塊之間總是存在着一定的接口,從調用方式上,可以把他們分為三類:同步調用、回調和異步調用。回調是一種...
-
Java工程師是做什麼的
Java工程師職位描述提要:精通Java/J2EE編程,能熟練使用SpringMVC、hibernate、框架進行項目開發,熟練使用freemarker等前端模板語言。Java工程師職位描述:1、負責產品功能開發;2、遵循公司技術標準、規範,高質量完成設計、開發任務;3、參與研發部門技術積累、技術難題...
-
java構造函數調用技巧
Java是一個純的面向對象的程序設計語言,它繼承了C++語言面向對象技術的核心,Java捨棄了C++語言中容易引起錯誤的指針(以引用取代)、運算符重載(operatoroverloading)、多重繼承(以接口取代)等特性,增加了垃圾回收器功能用於回收不再被引用的對象所佔據的內存空間,...