Pourquoi le marqueur BOM apparaît-il dans la sortie FileReader lors de la lecture de fichiers codés en UTF-8 ?

Inclusion de marqueur de nomenclature dans la sortie FileReader

Lors de l'utilisation d'un FileReader pour lire un fichier codé en UTF-8 avec une nomenclature (Byte Order Mark ), le marqueur BOM peut apparaître par inadvertance dans la chaîne de sortie. Cela se produit car la nomenclature est incluse dans la représentation codée UTF-8 du texte.

Pour comprendre pourquoi cela se produit, il est important de noter que la nomenclature est un caractère spécial ou une séquence de caractères qui indique le encodage d'un fichier texte. Dans le cas de l'UTF-8, la nomenclature est représentée par la séquence d'octets EFBBBF.

Lorsque le FileReader lit le fichier, il décode les caractères en utilisant l'encodage UTF-8. Cependant, la nomenclature n'est pas un caractère Unicode valide, elle n'est donc ni ignorée ni supprimée pendant le processus de décodage. Au lieu de cela, il est inclus dans la chaîne renvoyée par la méthode readLine().

Pour éviter ce problème, vous pouvez utiliser les approches suivantes :

• Coupez le BOM avant décodage : Vous pouvez utiliser la méthode substring() pour supprimer les trois premiers caractères de la chaîne renvoyée par readLine(). Cela supprimera la nomenclature avant qu'elle ne soit incluse dans la chaîne de sortie.
• Utilisez un décodeur compatible BOM : Vous pouvez utiliser un décodeur spécialement conçu pour gérer les nomenclatures. Ces décodeurs ignoreront ou ignoreront automatiquement la nomenclature lors du décodage du texte.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!