utf-8與utf-8(無BOM)的差別

BOM——Byte Order Mark，就是位元組序标記

在UCS 編碼中有一個叫做"ZERO WIDTH NO-BREAK SPACE"的字元，它的編碼是FEFF。而FFFE在UCS中是不存在的字元，是以不應該出現在實際傳輸中。UCS規範建議我們在傳輸位元組流前，先傳輸 字元"ZERO WIDTH NO-BREAK SPACE"。這樣如果接收者收到FEFF，就表明這個位元組流是Big-Endian的；如果收到FFFE，就表明這個位元組流是Little- Endian的。是以字元"ZERO WIDTH NO-BREAK SPACE"又被稱作BOM。

UTF-8不需要BOM來表明位元組順序，但可以用BOM來表明編碼方式。字元"ZERO WIDTH NO-BREAK SPACE"的UTF-8編碼是EF BB BF。是以如果接收者收到以EF BB BF開頭的位元組流，就知道這是UTF-8編碼了。

UTF- 8編碼的檔案中，BOM占三個位元組。如果用記事本把一個文本檔案另存為UTF-8編碼方式的話，用UE打開這個檔案，切換到十六進制編輯狀态就可以看到開 頭的FFFE了。這是個辨別UTF-8編碼檔案的好辦法，軟體通過BOM來識别這個檔案是否是UTF-8編碼，很多軟體還要求讀入的檔案必須帶BOM。可 是，還是有很多軟體不能識别BOM。

在Firefox早期的版本裡，擴充是不能有BOM的，不過Firefox 1.5以後的版本已經開始支援BOM了。現在又發現，PHP也不支援BOM。 PHP在設計時就沒有考慮BOM的問題，也就是說他不會忽略UTF-8編碼的檔案開頭BOM的那三個字元。

由 于必須在在Bo-Blog的wiki看到，同樣使用PHP的Bo-Blog也一樣受到BOM的困擾。其中有提到另一個麻煩：“受COOKIE送出機制的限 制，在這些檔案開頭已經有BOM的檔案中，COOKIE無法送出（因為在COOKIE送出前PHP已經送出了檔案頭），是以登入和登出功能失效。一切依賴 COOKIE、SESSION實作的功能全部無效。”這個應該就是Wordpress背景出現空白頁面的原因了，因為任何一個被執行的檔案包含了BOM， 這三個字元都将被送出，導緻依賴cookies和session的功能失效。

解決的辦法嘛，如果隻包含英 文字元(或者說ASCII編碼内的字元)，就把檔案存成ASCII碼方式吧。用UE等編輯器的話，點檔案->轉換->UTF-8轉 ASCII，或者在另存為裡選擇ASCII編碼。如果是DOS格式的行尾符，可以用記事本打開，點另存為，選ASCII編碼。如果包含中文字元的話，可以 用UE的另存為功能，選擇“UTF-8 無 BOM”即可。

utf-8本來就不應該加bom，除了 讓編輯器知道它是個utf-8之外什麼用處都沒有。實際上編輯器完全有能力在不太多的幾個編碼格式之間根據特征來判斷一個檔案是什麼編碼，就算不能自動識 别，編輯器也應該有設定編碼的地方。是以我覺得BOM對于utf-8來說是多餘的東西。

utf-16才需要加bom。因為它是按unicode順序編碼，在BMP範圍内是二位元組，需要識别是大或小位元組序。

實 際上，我覺得utf-8引入大小位元組序的概念太愚蠢了，不知道那些标準委員會是怎麼想的。大小位元組序存在的意義，在于cpu的處理方式。如果cpu是大字 節序處理，那麼對于小位元組序，就必須做一層轉換，這帶來了效率上的下降。但是在實際應用裡，誰會去關心大小位元組序？文本編碼引起位元組序的概念，隻能說那些 制定标準的人太死闆了。對于utf-16，我認為隻要全世界都遵循一種位元組序方式，那就沒什麼必要用BOM來标注了。

話說回來，PHP是不支援utf-16編碼的檔案的。因為例如$這個符号，在utf-8裡也是兩個位元組，PHP解碼器無法解析的。不知道PHP6内部處理引入unicode 的概念之後，對這個是否會有支援。