为BOM指定字节序列的规则是什么？

Question

我正在处理一些文件编码的东西。当我学习BOM时，它会显示The UTF-8 representation of the BOM is the byte sequence 0xEF,0xBB,0xBF，然后我会找到Code page layout这是一个包含许多字符编码信息的表。我很好奇的是，如果BOM字节序列有一些规则，我的意思是，为什么不使用0xEE,0xFF,0xBB或任何其他字节序列来表示UTF-8？提前谢谢。

Answer 1

BOM特定于Unicode UTF（Unicode转换格式）编码。它是根据特定UTF中定义的规则对特定字节序列进行编码的Unicode字符U+FEFF ZERO WIDTH NO-BREAK SPACE，与任何其他Unicode代码点相同。 BOM的特殊之处在于它是编码文本前面的第一个编码码点，因此您可以发现使用哪个UTF对文本进行编码，如果没有通过其他方式指定带外。

UTF-8的BOM为EF BB BF，UTF-16LE为FF FE，UTF-32LE为FF FE 00 00等。它们只是同一个Unicode的不同表示形式codepoint U+FEFF。

您链接到的其他编码（如Windows-1252）不使用BOM并且无法对该特定字符进行编码，因此没有替代BOM的“Windows-1252编码”。