問題引入

問：UTF-8 和 UTF-8-BOM 有啥區(qū)別？

我們用 Python 演示一下，帶與不帶 BOM 的字符串有啥區(qū)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(jié)果顯示，帶 BOM 的比不帶的文本在開頭多了 ef bb bf 幾個字節(jié)，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(jié)順序標(biāo)記的意思，今天我們就來詳細聊聊它。

字節(jié)序

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

字節(jié)序分為兩種排列模式，分別是大端字節(jié)序和小端字節(jié)序。

• 大端(Big-endian)：高位字節(jié)數(shù)據(jù)存放在內(nèi)存低地址處，低位字節(jié)數(shù)據(jù)存放在內(nèi)存高地址處。大端模式比較符合人類的閱讀習(xí)慣，也這是人類讀寫數(shù)值的方式。
• 小端(Little-endian)：高位字節(jié)數(shù)據(jù)存放在內(nèi)存高地址處，低位字節(jié)數(shù)據(jù)存放在內(nèi)存低地址處。由于計算機內(nèi)存數(shù)據(jù)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(nèi)存中。

內(nèi)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(nèi)部處理都是小端字節(jié)序。但人類習(xí)慣讀寫大端字節(jié)序，所以除了計算機的內(nèi)部處理，其他的應(yīng)用場合幾乎都是大端字節(jié)序，比如網(wǎng)絡(luò)傳輸和文件存儲。

• 主機字節(jié)序，Host Byte Order, HBO。指機器的字節(jié)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(wǎng)絡(luò)字節(jié)序，Network Byte Order, NBO。是TCP/IP中規(guī)定好的一種數(shù)據(jù)表示格式，網(wǎng)絡(luò)字節(jié)序采用 Big Endian 排列按照從高到低的順序存儲，在網(wǎng)絡(luò)上使用統(tǒng)一的網(wǎng)絡(luò)字節(jié)順序可以避免兼容性問題。TCP/IP中規(guī)定好了一種數(shù)據(jù)表示格式，與具體的CPU類型、操作系統(tǒng)等無關(guān)，從而保證數(shù)據(jù)在不同主機之間傳輸時能夠被正確解釋。

字節(jié)序標(biāo)記

BOM，全稱 Byte Order Mark，字節(jié)順序標(biāo)記。出現(xiàn)在文本文件頭部，用于標(biāo)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(jié)流傳輸過程中可以利用它們打頭來說明字節(jié)序。

• 如果接收者收到以 FEFF 開通的字節(jié)流，就表明這是 Big-Endian 的；
• 如果收到 FFFE 就表明這個字節(jié)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(jié)順序標(biāo)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(jié)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(jié)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(jié)流，就知道這是 UTF-8編碼了。
• 以前字符 U+FEFF 出現(xiàn)在開頭就是標(biāo)識該字節(jié)流的字節(jié)序，如果出現(xiàn)在字節(jié)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(xiàn)在字節(jié)流的開頭用于標(biāo)識字節(jié)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(zhì)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(xiàn)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(jié)順序標(biāo)記(ByteOrderMark)）
https://baike.baidu.com/item/BOM/2790364?fr=aladdin
[3]. 字節(jié)順序標(biāo)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(qū)別？網(wǎng)頁代碼一般使用哪個？
https://www.zhihu.com/question/20167122

總結(jié)

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(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。