問題引入

問：UTF-8 和 UTF-8-BOM 有啥區別？

我們用 Python 演示一下，帶與不帶 BOM 的字符串有啥區別。

if __name__ == '__main__':str = '你好啊樹哥'print('str:', str)str_encode_utf8 = str.encode('utf-8')print('str_encode_utf8:', str_encode_utf8)str_encode_utf8_bom = str.encode('utf-8-sig')print('str_encode_utf8_bom:', str_encode_utf8_bom)

輸出結果顯示，帶 BOM 的比不帶的文本在開頭多了 ef bb bf 幾個字節，為什么是這樣？它有什么用呢？

str: 你好啊樹哥 str_encode_utf8: b'\xe4\xbd\xa0\xe5\xa5\xbd\xe5\x95\x8a\xe6\xa0\x91\xe5\x93\xa5' str_encode_utf8_bom: b'\xef\xbb\xbf\xe4\xbd\xa0\xe5\xa5\xbd\xe5\x95\x8a\xe6\xa0\x91\xe5\x93\xa5'

BOM 全稱 Byte Order Mark，字節順序標記的意思，今天我們就來詳細聊聊它。

字節序

字節序（Endian），就是字節順序（Byte-Order），還叫端序或尾序（Endianness）。描述的是計算機對 多字節數據 存儲和傳輸時字節的順序。因為單字節的數據只需要讀取一個字節，沒有字節序說法。

字節序分為兩種排列模式，分別是大端字節序和小端字節序。

• 大端(Big-endian)：高位字節數據存放在內存低地址處，低位字節數據存放在內存高地址處。大端模式比較符合人類的閱讀習慣，也這是人類讀寫數值的方式。
• 小端(Little-endian)：高位字節數據存放在內存高地址處，低位字節數據存放在內存低地址處。由于計算機內存數據處理是從低位開始的，因為小端模式更加符合計算機的處理方式。

例如有 0x1234abcd 將它寫入到以 0x0000 開始的內存中。

內存地址0x00000x00010x00020x0003

Big-endian	0x12	0x34	0xab	0xcd
Little-endian	0xcd	0xab	0x34	0x12

計算機默認都是從低位開始讀，所以計算機內部處理都是小端字節序。但人類習慣讀寫大端字節序，所以除了計算機的內部處理，其他的應用場合幾乎都是大端字節序，比如網絡傳輸和文件存儲。

• 主機字節序，Host Byte Order, HBO。指機器的字節序，有大端和小端模式，由機器的CPU處理器的處理決定，小端模式較為常見。
• 網絡字節序，Network Byte Order, NBO。是TCP/IP中規定好的一種數據表示格式，網絡字節序采用 Big Endian 排列按照從高到低的順序存儲，在網絡上使用統一的網絡字節順序可以避免兼容性問題。TCP/IP中規定好了一種數據表示格式，與具體的CPU類型、操作系統等無關，從而保證數據在不同主機之間傳輸時能夠被正確解釋。

字節序標記

BOM，全稱 Byte Order Mark，字節順序標記。出現在文本文件頭部，用于標識文件是采用哪種格式的編碼。

由于 FEFF 和 FFFE 在 UCS 編碼表中不存在(也就是說它無實際意義)，因此在字節流傳輸過程中可以利用它們打頭來說明字節序。

• 如果接收者收到以 FEFF 開通的字節流，就表明這是 Big-Endian 的；
• 如果收到 FFFE 就表明這個字節流是 Little- Endian 的。

像 FEFF 和 FFFE 這種就稱作 Zero Width No-Break Space，翻譯過來就是 零寬無間斷間隔 ，這個字符就是所謂的 BOM。下面是不同編碼的字節順序標記表示。

編碼表示

UTF-8	EF BB BF
UTF-16 (大端序)	FE FF
UTF-16(小端序)	FF FE
UTF-32 (大端序)	00 00 FE FF
UTF-32 (小端序)	FF FE 00 00

總結幾點注意事項。

• UTF-8 本身不需要 BOM ，但可以使用它。UTF-8 始終是相同的字節順序，BOM 僅用于表明編碼方式。如果接收者收到以 EF BB BF 開頭的字節流，就知道這是 UTF-8編碼了。
• 以前字符 U+FEFF 出現在開頭就是標識該字節流的字節序，如果出現在字節流的中間則表達零寬度非換行空格的意義，用戶看起來就是一個空格。從 Unicode 3.2 開始，U+FEFF 只能出現在字節流的開頭用于標識字節序。取而代之的是，使用 U+2060 來表達零寬度無斷空白。
• 剛剛說到的 U+FEFF 是代碼點，抽象性質的。而 EF BB BF ，FE FF，00 00 FE FF 則是在不同編碼方案下的具體表現形式。這是概念性的問題。

參考

參考了

[1]. Endian
https://www.jianshu.com/p/a348f8fc9fc9
[2]. BOM （字節順序標記(ByteOrderMark)）
https://baike.baidu.com/item/BOM/2790364?fr=aladdin
[3]. 字節順序標記（BOM）詳解
https://blog.csdn.net/gufenchen/article/details/90552774
[4]. 「帶 BOM 的 UTF-8」和「無 BOM 的 UTF-8」有什么區別？網頁代碼一般使用哪個？
https://www.zhihu.com/question/20167122

總結

以上是生活随笔為你收集整理的字节序Endian与字节序标记BOM详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。