深入了解在网页中UTF-8的编码问题
09月 14, 2006 by 花老鼠 · 2 Comments
纠正错误，Google Earth支持BOM和no BOM。这几天在做讨论Google Earth Web服务的时候网友遇到了中文显示的问题，于是我就着手解决这一问题。发现网友对程序里的文件大多是用的ASCII码，而GE的读取是用UTF-8进行的，现在就要做的就是对程序重新UTF-8编码。最初是在家里UTF-8编码的，环境是XP工具用的是editplus。更改后发现没有任何效果，烧制的KML文件还是GB2312编码的，而且一度造成程序不能运行的情况。搞到深夜后没有结果就放弃了。第二天到公司后继续试验，发现成功了，唯一不一样的就是系统是2000的，用的工具是EmEditor。于是仔细对比发现是一个叫BOM的问题，由于Editplus没有这个选项，而EmEditor提供了BOM和no BOM的选项。那我们先来看看这个BOM是什么，
Unicode规范中有一个BOM的概念。BOM——Byte order Mark，就是字节序标记。
下面是来之这里的一段话:
引用内容
在UCS 编码中有一个叫做"ZERO WIDTH NO-BREAK SPACE"的字符，它的编码是FEFF。而FFFE在UCS中是不存在的字符，所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前，先传输字符"ZERO WIDTH NO-BREAK SPACE"。这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这个字节流是Little-Endian的。因此字符"ZERO WIDTH NO-BREAK SPACE"又被称作BOM。
UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是EF BB BF。所以如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。
Windows就是使用BOM来标记文本文件的编码方式的。
UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是EF BB BF。所以如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。
Windows就是使用BOM来标记文本文件的编码方式的。
目前已经有很多的新版本软件已经支持BOM，但仍然有不少软件还不支持BOM。
由此可见在标准化来临的时候一个好的文本编辑器也是比较重要的，editplus由于不支持BOM的选择而显的不足。而像EmEditor、UE（UltraEdite-32）等软件就显得比Editplus优秀。还有就是我们做网页用的比较多的Dreamweaver，在MX及以前版本就没有BOM选项，新版的才提供这个。所以不少朋友也曾经为此事烦恼过。如今除了Web应用还涉及到了桌面软件和Web互通的问题。下面是EmEditor的BOM选项
搜索过来的，学习了，谢谢。
还真深奥