XML中的BOM是什么 怎么去除XML文件开头的BOM

BOM是Unicode文件开头标识编码和字节序的特殊字节序列，XML中非必需且可能导致解析失败；常见UTF-8 BOM为EF BB BF，需通过十六进制工具检测并安全去除，推荐使用UTF-8无BOM保存或Python脚本处理。

BOM（Byte Order Mark） 是 Unicode 编码文件开头的一个特殊字节序列，用于标识文件的编码格式和字节序。在 XML 文件中，BOM 本身不是 XML 规范要求的内容，但某些编辑器（如 Windows 记事本、VS Code 默认 UTF-8 with BOM 模式）保存 UTF-8 文件时会自动添加 EF BB BF 这三个字节。XML 解析器（尤其是较老或严格遵循规范的解析器）可能将 BOM 视为非法字符，导致解析失败，报错类似“Content is not allowed in prolog”。

XML 文件开头的 BOM 长什么样

常见编码对应的 BOM 字节序列：

• UTF-8：EF BB BF（最常见，3 字节）
• UTF-16 BE：FE FF（2 字节）
• UTF-16 LE：FF FE（2 字节）
• UTF-32 BE：00 00 FE FF（4 字节）
• UTF-32 LE：FF FE 00 00（4 字节）

XML 声明（如 <?xml version="1.0" encoding="UTF-8"?>）必须是文件最开头内容，BOM 若存在，就占据了“最开头”，违反了 XML 规范对 prolog 的定义。

如何检测 XML 文件是否含 BOM

用十六进制编辑器或命令行工具查看文件头几个字节：

• Linux/macOS：xxd -l 8 yourfile.xml 或 hexdump -C -n 8 yourfile.xml
• Windows（PowerShell）：Get-Content yourfile.xml -Encoding Byte -TotalCount 8 | ForEach-Object { $_.ToString("X2") }
• 在线工具：搜索 “hex editor online”，粘贴文件内容或上传查看前 10 字节

若看到 ef bb bf 开头，就是 UTF-8 BOM。

标签： linux python java sublime windows 编码 字节 工具 mac macos win str