zoukankan      html  css  js  c++  java
  • C#写UTF8文件时指定是否含BOM头

    BOM的基本概念

    在UCS 编码中有一个叫做"ZERO WIDTH NO-BREAK SPACE"的字符,它的编码是FEFF。而FFFE在UCS中是不存在的字符,所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前,先传输字符"ZERO WIDTH NO-BREAK SPACE"。这样如果接收者收到FEFF,就表明这个字节流是Big-Endian的;如果收到FFFE,就表明这个字节流是Little-Endian的。因此字符"ZERO WIDTH NO-BREAK SPACE"又被称作BOM。

    UTF-8中的BOM

    UTF-8不需要BOM来表明字节顺序,但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是EF BB BF。所以如果接收者收到以EF BB BF开头的字节流,就知道这是UTF-8编码了。

    UTF-8编码的文件中,BOM占三个字节。如果用记事本把一个文本文件另存为UTF-8编码方式的话,用UE打开这个文件,切换到十六进制编辑状态就可以看到开头的FFFE了。这是个标识UTF-8编码文件的好办法,软件通过BOM来识别这个文件是否是UTF-8编码。

    对于含BOM头的UTF8文件,前三个字节是xEFxBFxBD,某些软件对于不包含BOM头格式的文件识别存在问题,而有些软件对于有BOM头的文件解析有问题。所以这个问题要区别对待,我们可以在Notepad++里进行转换。

    C#写文件时指定是否有BOM

    下面是C#在写文件时指定BOM头的代码:

    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来指定包含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();
        }
    }


    下面的代码是不需要BOM:

    1
    2
    3
    4
    5
    var utf8WithoutBom = new System.Text.UTF8Encoding(false);
    using (var sink = new StreamWriter("Foobar.txt", false, utf8WithoutBom))
    {
    sink.WriteLine("...");
    }
  • 相关阅读:
    strstr 函数的实现
    函数模板与模板函数
    内核态和用户态
    最短路径算法(跟新SPFA,Ford)
    P1042 乒乓球
    P2347 砝码称重
    P1087 FBI树
    P1540 机器翻译
    P1028 数的计算
    P1067 多项式输出
  • 原文地址:https://www.cnblogs.com/zjoch/p/5293374.html
Copyright © 2011-2022 走看看