[轉錄]UTF-8 格式編輯程式網頁注意事項 (BOM 的困擾)

什麼是 BOM (Byte-Order Mark)？

在一些平台上，是把代表數值較大的 byte 放在前面，這稱為 Big Endian (BE) 的系統；有些平台則相反，是把代表數值較小的 byte 放在前面，稱為 Little Endian (LE) 的系統。

若採 LE 方式編碼，BOM 會表示為 0xFF 0xFE，而在 Unicode 的定義中是不存在 U+FFFE 這個字元的.

若採 BE 方式編碼，BOM 會表示為 0xFE 0xFF，而 U+FEFF 剛好是在 Unicode 中的有效字元，代表的是一個不佔空間的 space 符號，所以即使沒被解釋為 BOM，也不會對閱覽者產生錯誤的訊息.

如何移除？ (使用 PHP)

BOM信息是文件開頭的一串隱藏的字符，用於讓某些編輯器識別這是個UTF-8編碼的文件。但PHP在讀取文件時會把這些字符讀出，從而形成了文件開頭含有一些無法識別的字符的問題。
要檢測一個UTF-8文件是否含有BOM信息，就是檢測文件開頭的字三個符，是否為0xEF, 0xBB, 0xBF。

下方有個小程式，使用者可以搜尋某個目錄下所有文件，並檢測是否加了BOM。

//此文件用於快速測試UTF8編碼的文件是不是加了BOM，並可自動移除
//By Bob Shen

$basedir="."; //修改此行為需要檢測的目錄，點表示當前目錄
$auto=1; //是否自動移除發現的BOM信息。1為是，0為否。

//以下不用改动

if ($dh = opendir($basedir)) {
while (($file = readdir($dh)) !== false) {
if ($file!='.' && $file!='..' && !is_dir($basedir."/".$file)) echo "filename: $file ".checkBOM("$basedir/$file")."
";
}
closedir($dh);
}

function checkBOM ($filename) {
global $auto;
$contents=file_get_contents($filename);
$charset[1]=substr($contents, 0, 1);
$charset[2]=substr($contents, 1, 1);
$charset[3]=substr($contents, 2, 1);
if (ord($charset[1])==239 && ord($charset[2])==187 && ord($charset[3])==191) {
if ($auto==1) {
$rest=substr($contents, 3);
rewrite ($filename, $rest);
return ("BOM found, automatically removed.");
} else {
return ("BOM found.");
}
}
else return ("BOM Not Found.");
}

function rewrite ($filename, $data) {
$filenum=fopen($filename,"w");
flock($filenum,LOCK_EX);
fwrite($filenum,$data);
fclose($filenum);
}
?>


-------------------

2005-11-1 修正

本次測試結果：

1. UltraEdit 10
缺點：商業軟體。
優點：完全符合需求。

2. EditPlus
缺點：無法移除 BOM 碼，借助其他方式移除之後中文變成亂碼。商業軟體。
優點：可自訂程式語法格式、中文化。

2.1 EditPlus 2.20
缺點：商業軟體。
優點：完全符合需求。

3. PSPad editor
缺點：無法移除 BOM 碼
優點：具有 16 進位編輯模式、中文化.....如果不是要移除 BOM 碼，以後我就會改用了。

4. Zend Studio Client
缺點：商業軟體、很慢 (測試機器不夠力)。
優點：似乎也可以符合需求，不過因為太慢了，沒有仔細測試過。

5. Notepad++
缺點：無法移除 BOM 碼。
優點：具有摺疊層次功能、可自訂程式語法格式、中文化。