UTF-8与UTF-8 BOM

　　在我们通常使用的windows系统中，我发现了一个有趣的现象。我新建一个空的文本文档，点击文件-另存为-编码选择UTF-8，然后保存。此时这个文件明明是空的，却占了3字节大小。原因在于：此时保存的编码方式自动会变为UTF-8 BOM。

一.一个汉字在不同的编码方式中占多少字节？

　　1.在UTF-8中，一个汉字占3个字节（一个字符占一个字节）

　　2.在ASCII码中，一个汉字占2个字节（一个字符占一个字节）

　　3.在Unicode编码中，一个汉字占2个字节（一个字符同样占两个字节，所以JAVA中char a = '中';是可以的）

二.什么是BOM
　　BOM（byte-order mark），即字节顺序标记，它是插入到以UTF-8、UTF16或UTF-32编码Unicode文件开头的特殊标记，用来识别Unicode文件的编码类型。对于UTF-8来说，BOM并不是必须的，因为BOM用来标记多字节编码文件的编码类型和字节顺序（big-endian或little-endian）。

　　在绝大多数编辑器中都看不到BOM字符，因为它们能理解Unicode，去掉了读取器看不到的题头信息。若要查看某个Unicode文件是否以BOM开头，可以使用十六进制编辑器。下表列出了不同编码所对应的BOM。

BOM Encoding
EF BB BF UTF-8
FE FF UTF-16 (big-endian)
FF FE UTF-16 (little-endian)
00 00 FE FF UTF-32 (big-endian)
FF FE 00 00 UTF-32 (little-endian)

三.BOM的来历
　　为了识别 Unicode 文件，Microsoft 建议所有的 Unicode 文件应该以 ZERO WIDTH NOBREAK SPACE（U+FEFF）字符开头。这作为一个“特征符”或“字节顺序标记（byte-order mark，BOM）”来识别文件中使用的编码和字节顺序。

　　Linux/UNIX 并没有使用 BOM，因为它会破坏现有的 ASCII 文件的语法约定。

四.带BOM和不带BOM的区别
　　「UTF-8」和「带 BOM 的 UTF-8」的区别就是有没有 BOM。即文件开头有没有 U+FEFF，也就是说有没有这个标记。

五.带还是不带？

　　不含BOM的UTF-8才是标准形式，UTF-8不需要BOM

　　带BOM的UTF-8文件的开头会有U+FEFF，所以我新建的空文件会有3字节的大小。

　　如果你的编程平台需要跨平台编译，比如，会在linux平台上编译，而不是只在windows上运行，建议不带BOM，unicode标准就是不带，带BOM毕竟那是微软的那一套，带了会出现很大的问题。反之，如果你的程序只在windows平台上编译出windows程序，这个可有可无。
　　注意：这里所说的带还是不带，指的是：源码字符集(the source character set)-源码文件是使用何种编码保存的；

　　不过，现在linux平台下的GCC 4.6及以上的版本已经可以支持带BOM的源码了！！！！！

　　所以之前出现的问题也可以不用冲突，带或者不带，以后就不会成为一个问题。

六.创建UTF-8（而非UTF-8 BOM）文件的方法

　　在发现文件另存为UTF-8缺得到UTF-8 BOM文件后，我们怎样才能得到UTF-8呢？

　　方法1.先另存为UTF-8保存，再使用notepad++打开，把里面的编码设置为无BOM的UTF-8然后保存。（此方法治标不治本，因为当你再次在里面写汉字时，文件会自动变成UTF-8 BOM）

　　方法2.用JAVA代码

  

参考文章：

https://blog.csdn.net/legendaryhsl/article/details/78794121

https://blog.csdn.net/u014805066/article/details/78874460