「带BOM 的UTF-8」和「无BOM 的UTF-8」有什么区别？网页 ...

UTF-8 不需要BOM，尽管Unicode 标准允许在UTF-8 中使用BOM。

所以不含BOM 的UTF-8 才是标准形式，在UTF-8 文件中放置BOM 主要是微软的习惯（顺便提一下：把带有BOM 的 ... HTMLUnicode（统一码）字符编码UTF-8字节序标记（BOM）「带BOM的UTF-8」和「无BOM的UTF-8」有什么区别？网页代码一般使用哪个？关注者1,196被浏览586,947关注问题​写回答​邀请回答​好问题4​4条评论​分享​27个回答默认排序梁海​英语等6个话题下的优秀答主​关注375人赞同了该回答UTF-8不需要BOM，尽管Unicode标准允许在UTF-8中使用BOM。

所以不含BOM的UTF-8才是标准形式，在UTF-8文件中放置BOM主要是微软的习惯（顺便提一下：把带有BOM的小端序UTF-16称作「Unicode」而又不详细说明，这也是微软的习惯）。

BOM（byteordermark）是为UTF-16和UTF-32准备的，用于标记字节序（byteorder）。

微软在UTF-8中使用BOM是因为这样可以把UTF-8和ASCII等编码明确区分开，但这样的文件在Windows之外的操作系统里会带来问题。

「UTF-8」和「带BOM的UTF-8」的区别就是有没有BOM。

即文件开头有没有U+FEFF。

UTF-8的网页代码不应使用BOM，否则常常会出错。

这是一个小例子：为什么这个网页代码

内的信息会被浏览器理解为在内？另附《TheUnicodeStandard,Version6.0》之3.10D95UTF-8encodingscheme的一段话：WhilethereisobviouslynoneedforabyteordersignaturewhenusingUTF-8,thereareoccasionswhenprocessesconvertUTF-16orUTF-32datacontainingabyteordermarkintoUTF-8.WhenrepresentedinUTF-8,thebyteordermarkturnsintothebytesequence.ItsusageatthebeginningofaUTF-8datastreamisneitherrequirednorrecommendedbytheUnicodeStandard,butitspresencedoesnotaffectconformancetotheUTF-8encodingscheme.Identificationofthebytesequenceatthebeginningofadatastreamcan,however,betakenasanear-certainindicationthatthedatastreamisusingtheUTF-8encodingscheme.http://www.unicode.org/versions/Unicode6.0.0/ch03.pdf编辑于2013-01-2916:18​赞同375​​65条评论​分享​收藏​喜欢收起​陈甫鸼​​编程话题下的优秀答主​关注364人赞同了该回答受邀。

早知道上得山多终遇老虎，在@梁海老兄面前耍Unicode总会有这一天的⋯⋯首先，BOM是啥。

这个就不解释了，Wikipedia上很详细。

http://en.wikipedia.org/wiki/Byte_order_mark。

在网页上使用BOM是个错误。

BOM设计出来不是用来支持HTML和XML的。

要识别文本编码，HTML有charset属性，XML有encoding属性，没必要拉BOM撑场面。

虽然理论上BOM可以用来识别UTF-16编码的HTML页面，但实际工程上很少有人这么干。

毕竟UTF-16这种编码连ASCII都双字节，实在不适用于做网页。

其实说BOM是个坏习惯也不尽然。

BOM也是Unicode标准的一部分，有它特定的适用范围。

通常BOM是用来标示Unicode纯文本字节流的，用来提供一种方便的方法让文本处理程序识别读入的.txt文件是哪个Unicode编码（UTF-8，UTF-16BE，UTF-16LE）。

Windows相对对BOM处理比较好，是因为Windows把Unicode识别代码集成进了API里，主要是CreateFile()。

打开文本文件时它会自动识别并剔除BOM。

Windows用这个有历史原因，因为它最初脱胎于多代码页的环境。

而引入Unicode时Windows的设计者又希望能在用户不注意的情况下同时兼容Unicode和非Unicode（Multiplebyte）文本文件，就只能借助这种小trick了。

相比之下，Linux这样的系统在多locale的环境中浸染的时间比较短，再加上社区本身也有足够的动力轻装前进（吐槽：微软对兼容性的要求确实是到了非常偏执的地步，任何一点破坏兼容性的做法都不允许，以至于很多时候是自己绑住自己的双手），所以干脆一步到位进入UTF-8。

当然中间其实有一段过渡期，比如从最初全UTF-8的GTK+2.0发布到基本上所有GTK开发者都弃用多locale的GTK+1.2，我印象中至少经历了三到四年。

BOM不受欢迎主要是在UNIX环境下，因为很多UNIX程序不鸟BOM。

主要问题出在UNIX那个所有脚本语言通行的首行#!标示，这东西依赖于shell解析，而很多shell出于兼容的考虑不检测BOM，所以加进BOM时shell会把它解释为某个普通字符输入导致破坏#!标示，这就麻烦了。

其实很多现代脚本语言，比如Python，其解释器本身都是能处理BOM的，但是shell卡在这里，没办法，只能躺着也中枪。

说起来这也不能怪shell，因为BOM本身违反了一个UNIX设计的常见原则，就是文档中存在的数据必须可见。

BOM不能作为可见字符被文本编辑器编辑，就这一条很多UNIX开发者就不满意。

顺便说一句，即使脚本语言能处理BOM，随处使用BOM也不是推荐的办法。

各个脚本语言对Unicode的处理都有自己的一套，Python的#-*-coding:utf-8-*-，Perl的useutf8，都比BOM简单而且可靠。

另一个好消息是，即使是必须在Windows和UNIX之间切换的朋友也不会悲催。

幸亏在UNIX环境下我们还有VIM这种神器，即使遇到BOM挡道，我们也可以通过setnobomb;setfileencoding=utf8;w三条命令解决问题。

最后回头想想，似乎也真就只有Windows坚持用BOM了。

P.S.：本问题是自己的第150个回答。

突然发现自己回答得很少很少⋯⋯P.S.2：突然想起需要解释一下为什么说VIM去除bomb的操作需要在UNIX下完成。

因为VIM在Windows环境下有一个奇怪的bug，总是把UTF-16文件识别成二进制文件，而UNIX（Linux或者Mac都可以）下VIM则无问题。

这个问题从VIM6.8一直跟着我到VIM7.3。

目前尚不清楚这是VIM的bug还是我自己那个.vimrc文件的bug。

如有高手解答不胜感激。

编辑于2012-04-1023:42​赞同364​​29条评论​分享​收藏​喜欢收起​