IDE非法字符'\ufeff'报错| UTF8与UTF8-BOM，大端与小端等 ...

BOM. 出于好奇，我们查一下这个编码 \\ufeff 是个什么东东，查询得知，这是一个标识字节存储顺序的编码。

这个涉及到一个名词：BOM。

云社区 博客 博客详情 微信 微博 分享文章到微博 复制链接 复制链接到剪贴板 IDE非法字符'\ufeff'报错|UTF8与UTF8-BOM，大端与小端等编码到底有何不同 KevinQ 发表于2022/01/0412:58:44 2022/01/04 【摘要】UTF8与UTF8-BOM，大端与小端等编码到底有何不同。

解决问题速看 解决的思路是将文件编码格式由其他编码格式转为UTF-8格式。

第一种方式： 第一步：打开报错文件，点击IDEA右下角“FILEENCODING”标识：如下图： 选择一个其他编码，如GBK。

（我选的是GBK）。

第二步：重复步骤一，再将编码选择回来，即第二次选择UTF-8编码。

第三步：嗯，没有第三步，这时候问题应该已经解决了。

第二种方式： 使用编辑器软件/IDE（windows记事本程序除外）将文件内容复制一份重新保存，并删除旧文件。

起因 之前项目均使用eclipse进行开发，最近团队大多数人都在转IDEA，从短期的使用来看，IDEA相比eclipse，目前最优秀的一点是“搜索”，其他部分使用上还没有太大的感觉。

之前使用idea导入maven项目使用均正常，最近使用idea打开传统的非mavenweb项目总是报出来各种奇怪的错误，路径找不到是最广泛的一类，但大多也知道怎么解决了。

今天遇到了一个奇怪的小错误： 红色文字为： Java:非法字符：'\ufeff' 一个奇怪的错误。

而且点击错误文件链接，打开文件，光标锁定在文件的开头位置。

BOM 出于好奇，我们查一下这个编码\\ufeff是个什么东东，查询得知，这是一个标识字节存储顺序的编码。

这个涉及到一个名词：BOM。

BOM：**ByteOrderMark，**中文名译作“字节顺序标记”。

我们知道一个UNICODE编码中一个汉字大多数占用2个字节，那个这两个字节哪个存储在存储地址高位，哪个存储在低位呢？ Unicode编码中，FEFF表明字节流是Big-Endian（大端序，内存低地址存放高位数据），FFFE则表明字节流是Little-Endian（小端序，内存的低地址存放低位数据）。

(可以巧妙区分为：内存低地址存的是低位就是小端序，内存低地址存的是高位就是大端序) 如“0x11223344”，这个变量的高字节是”0x11“，最低字节是为”0x44“，大端存储时为： 内存地址 数据 0x0010 0x11 低内存地址，高位数据 0x0011 0x22 0x0012 0x33 0x0013 0x44 高内存地址 而小端时数据的顺序则是相反的： 内存地址 数据 0x0010 0x44 低内存地址，低位数据 0x0011 0x33 0x0012 0x22 0x0013 0x11 高内存地址 UTF-8-BOM与UTF-8 而UTF-8实际上不需要使用BOM来标识字节顺序。

在使用常用编辑器，如Notepad++时，在编码一栏下拉列表中，我们可以发现，除UTF-8编码外，还有一个UTF-8-BOM编码，而实际是，UTF-8-BOM文件就是比UTF-8文件多出文件头中的三个字节。

我们可以在自己电脑上实验一下，新建TXT文件，然后使用编辑器软件查看分别将其设置为UTF-8与UTF-8-BOM文件时的大小，如上图所示。

Windows基于其历史原因，在使用其记事本工具打开文件时，总是会将文件设置为UTF-8-BOM格式。

所以出现问题的文件大概率是曾经使用windows记事本打开过或者创建的。

借助一些工具，我们可以更直观的理解这一点。

HEX-Editor插件 Notepadd++中的插件HEX-Editor插件可以辅助我们查看文件的十六进制编码，进而帮助理解大端小端。

UTF8与UTF-8-BOM等编码格式。

HEX-Editor插件安装 点击Notepadd++菜单栏“插件”->插件管理，查找或搜索"HEX-Editor"，勾选之后，点击右侧“安装”，安装完成之后重启Notepadd++，此时再点击“插件”，可以看到“HEX-Editor”选项，鼠标移动上去之后，可以看到“ViewinHEX”选项，点击即可查看文件的十六进制编码。

纯数字或字母的UTF-8与UTF-8-BOM 通过Notepadd++我们编辑一个文件，简单的输入“012”，通过操作栏“编码”分别设置为UCS-2大端，UCS-2小端，UTF-8，UTF-8-BOM，其十六进制编码分贝如下： UCS-2大端：012 UCS-2小端：012 UTF-8：012 UTF-8-BOM：012 在笔者的机器上，一个数字使用Unicode编码时占用两个字节，也就需要约定地位地址到底是存高位数据还是地位数据，此时约定是必要的；而使用UTF-8时，可以看出，其只占用一个字节，约定顺序是没有意义的。

问题来了，一个字节，8位数据肯定是不能表达出所有的中文字符的，那么中文字符又是如何在UTF-8中编码的呢？此时BOM是否需要呢？ 中文的UTF-8编码有约定大小端的必要吗 “你好”的UTF-8字节信息： “你好”的UTF-8-BOM字节信息： 我们通过查询“你”和“好”的UTF-8编码，发现他们分别占用三个字节：“0xE4BDA0”（你）,“0xE5A5BD”（好），编码必然是完整而次序一致的，也就是说，0xE4BDA0不能按照字节逆序成“0xA0BDE4”，这样只会增加解码的计算量。

所以，即使多字节情况下，UTF-8仍然不需要去约定字节标识顺序。

【版权声明】本文为华为云社区用户原创内容，转载时必须标注文章的来源（华为云社区），文章链接，文章作者等基本信息，否则作者和本社区有权追究责任。

如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件至：[email protected]进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容。

IDE Windows 点赞 收藏 关注作者 作者其他文章 评论（0） 登录后可评论，请登录或注册 0/1000 评论 抱歉，系统识别当前为高风险访问，暂不支持该操作 评论 全部回复 上滑加载中 设置昵称 在此一键设置昵称，即可参与社区互动！ *长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

确认 取消 关于作者 推荐阅读 相关产品 新窗 关闭