ANSI XML文档中的BOM究竟是什么？是否应将其删除？ XML文档应该是UTF-8吗？谁能告诉我一个可以检测BOM的Java方法？ BOM由EF BB BF字符组成。
答案 0 :(得分：23)
对于ANSI XML文件，实际上应将其删除。如果你想使用UTF-8，你真的不需要它。仅适用于UTF-16和UTF-32。
字节顺序标记（或BOM）是一个 特别标记添加在非常 编码的Unicode文件的开头 采用UTF-8，UTF-16或UTF-32。它被使用了 指示文件是否使用 big-endian或little-endian字节 订购。 BOM对于UTF-16是强制性的 和UTF-32，但它是可选的 UTF-8。
关于如何在java中检测这个问题。
检查此问题的以下答案：Java：How to determine the correct charset encoding of a stream如果您现在想要自行确定BOM（风险自负），请检查此代码Java Tip: How to read a file and automatically specify the correct encoding。
基本上只需自己读取前几个字节，然后确定可能是否找到了BOM。
答案 1 :(得分：17)
字节顺序标记可能是这些字节序列之一：
UTF-8 BOM: ef bb bf
UTF-16BE BOM: fe ff
UTF-16LE BOM: ff fe
UTF-32BE BOM: 00 00 fe ff
UTF-32LE BOM: ff fe 00 00
这些是Unicode代码点U + FEFF的各种编码形式。这可以表示为使用'\uFEFF'的Java char文字（Java char值隐式 UTF-16）。由于U + FEFF不在大多数编码中，因此BOM代码点不可能对它们进行编码。 （More on encoding the BOM using Java here。）
对于BOM和XML，它们是可选的（另请参阅Unicode BOM FAQ）。如果在声明中指定了编码，则在XML中检测编码是相对简单的。始终确保XML声明（<?xml version="1.0" encoding="UTF-8"?>）与用于编写文档的编码匹配。如果您对此严格要求，解析器应该能够正确解释您的文档。 （XML spec on encoding detection.）
我主张尽可能编码为Unicode（另请参阅10 Commandments of Unicode）。也就是说，XML允许通过转义实体表示任何Unicode字符（例如“A”可以由A表示），因此不一定要避免数据丢失。
答案 2 :(得分：4)
不要在utf-8文件中插入BOM：如果合并了两个这样的文件，最后会在中间放置一个可能会破坏应用程序的BOM，或者导致xml解析器抛出异常。
答案 3 :(得分：3)
OP：
有人能告诉我一种可以检测BOM的Java方法吗？
org.apache.commons.io.input.BOMInputStream Javadocs：
此类检测这些字节，如果需要，可以自动跳过它们并将后续字节作为流中的第一个字节返回。