UTF-8与UTF-8(BOM)区别和一些说明
寫在前面
在我們通常使用的windows系統中，我發現了一個有趣的現象。我新建一個空的文本文檔，點擊文件-另存為-編碼選擇UTF-8，然后保存。此時這個文件明明是空的，卻占了3字節大小。原因在于：此時保存的編碼方式自動會變為UTF-8 BOM一、一個漢字在不同的編碼方式中占多少字節？
? ? ? ?1.在UTF-8中，一個漢字占3個字節（一個字符占一個字節）
? ? ? 2.在ASCII碼中，一個漢字占2個字節（一個字符占一個字節）
? ? ? 3.在Unicode編碼中，一個漢字占2個字節（一個字符同樣占兩個字節，所以JAVA中char a = '中';是可以的）
二、UTF-8與UTF-8 BOM
? ? ? ? BOM即byte order mark，具體含義可百度百科或維基百科，UTF-8文件中放置BOM主要是微軟的習慣，但是放在別的系統上會出現問題。不含BOM的UTF-8才是標準形式，UTF-8不需要BOM帶BOM的UTF-8文件的開頭會有U+FEFF，所以我新建的空文件會有3字節的大小。
BOM的含義
BOM即Byte Order Mark字節序標記。BOM是為UTF-16和UTF-32準備的，用戶標記字節序（byte order）。拿UTF-16來舉例，其是以兩個字節為編碼單元，在解釋一個UTF-16文本前，首先要弄清楚每個編碼單元的字節序。例如收到一個“奎”的Unicode編碼是594E，“乙”的Unicode編碼是4E59。如果我們收到UTF-16字節流"594E"，那么這是“奎”還是“乙”？
Unicode規范中推薦的標記字節順序的方法是BOM：在UCS編碼中有一個叫做"ZERO WIDTH NO-BREAK SPACE"（零寬度無間斷空間）的字符，它的編碼是FEFF。而FEFF在UCS中是不不能再的字符（即不可見），所以不應該出現在實際傳輸中。UCS規范建議我們在傳輸字節流前，先傳輸字符"ZERO WIDTH NO-BREAK SPACE"。這樣如果接收者接收到FEFF，就表明這個字節流是Big-Endian的；如果收到FFFE，就表明這個字節流是Little-Endian的。因此字符"ZERO WIDTH NO-BREAK SPACE"又被稱為BOM。
UTF-8是以字節為編碼單元，沒有字節序的問題。
延伸一下：
UTF-8編碼是以1個字節為單位進行處理的，不會受CPU大小端的影響；需要考慮下一位時就地址 + 1。
UTF-16、UTF-32是以2個字節和4個字節為單位進行處理的，即1次讀取2個字節或4個字節，這樣一來，在存儲和網絡傳輸時就要考慮1個單位內2個字節或4個字節之間順序的問題。
?
UTF-8 BOM
UTF-8 BOM又叫UTF-8 簽名，UTF-8不需要BOM來表明字節順序，但可以用BOM來表明編碼方式。當文本程序讀取到以 EF BB BF開頭的字節流時，就知道這是UTF-8編碼了。Windows就是使用BOM來標記文本文件的編碼方式的。
補充：
"ZERO WIDTH NO-BREAK SPACE"字符的UCS編碼為FEFF（假設為大端），對應的UTF-8編碼為 EF BB BF?
?
即以EF BB BF開頭的字節流可表明這是段UTF-8編碼的字節流。但如果文件本身就是UTF-8編碼的，EF BB BF這三個字節就毫無用處了。 所以，可以說BOM的存在對于UTF-8本身沒有任何作用。
?
UTF-8文件中包含BOM的壞處
1、對php的影響
php在設計時就沒有考慮BOM的問題，也就是說他不會忽略UTF-8編碼的文件開頭的那三個EF BB BF字符，直接當做文本進行解析，導致解析錯誤。
2、在linux上執行SQL腳本報錯
最近開發過程中遇到，windows下編寫的SQL文件，在linux下執行時，總是報錯。
在文件的開頭，無論是使用中文注釋還是英文注釋，甚至去掉注釋，也會報SP2-0734:?unknown command beginning?"?<span "="">dec<span "="">lare?..."?-?rest?of?line ignored.?的錯誤。
<span "="">如下是文件開頭部分
報錯如下：
1 SP2-0734: unknown command beginning "?--create ..." - rest of line ignored. 2 3 4 PL/SQL procedure successfully completed. 網上沒有找到類似問題的解決辦法，且文件編碼確認已經更改為utf-8，該問題困惑了我很久。
最后查看一下BOM與 no BOM的區別，嘗試更改為no BOM，居然就沒有再出現錯誤。
修改完成后，無論使用中文，還是英文，或者去掉注釋，都能正常執行。
?
?
血淚建議：UTF-8最好不要帶BOM
UTF-8」和「帶 BOM 的 UTF-8」的區別就是有沒有 BOM。即文件開頭有沒有 U+FEFF。
1、Linux中查看BOM的方法：使用less命令，其它命令可能看不到效果：
總結
以上是生活随笔為你收集整理的UTF-8与UTF-8(BOM)区别和一些说明的全部內容，希望文章能夠幫你解決所遇到的問題。
