Java处理文件BOM头的方式推荐

背景：

java普通的文件读取方式对于bom是无法正常识别的。

   使用普通的InputStreamReader，如果采用的编码正确，那么可以获得正确的字符，但bom仍然附带在结果中，很容易导致数据处理出错。
另外，对于存在BOM头的文件，无法猜测它使用的编码。

目标：

实现一种方式，可对BOM头进行捕捉和过滤

 

解决方案有二：

一、  使用apache的工具类，以BOMStream为例：

    BOMStream，api参考：http://commons.apache.org/io/apidocs/org/apache/commons/io/input/BOMInputStream.html

   该类的构造方式：
   BOMInputStream bomIn = new BOMInputStream(in) //仅能检测到UTF8的bom，且在流中exclude掉bom
   
   BOMInputStream bomIn = new BOMInputStream(in, include); //同上，且指定是否包含

   也可以指定检测多种编码的bom，但目前仅支持UTF-8/UTF-16LE/UTF-16BE三种，对于UTF32之类不支持。
   BOMInputStream bomIn = new BOMInputStream(in, ByteOrderMark.UTF_16LE, ByteOrderMark.UTF_16BE);
   
   有用的方法：
   bomIn.hasBOM()、hasBOM(ByteOrderMask.**)可用于判断当前流中是否检测到了bom。

   读取文件示例：

FileInputStream fis = new FileInputStream(file);  
  //可检测多种类型，并剔除bom  
  BOMInputStream bomIn = new BOMInputStream(in, false,ByteOrderMark.UTF-8, ByteOrderMark.UTF_16LE, ByteOrderMark.UTF_16BE);  
  String charset = "utf-8";  
  //若检测到bom，则使用bom对应的编码  
  if(bomIn.hasBOM()){  
     charset = bomIn.bs.getBOMCharsetName();  
  }  
  InputStreamReader reader = new InputStreamReader(bomIn, charset);  
  ...  

二、使用一个更强大点的工具类（可以支持UTF-8/UTF-16LE/UTF-16BE/UTF-32LE/UTF-32BE）：
       

   参考地址：http://koti.mbnet.fi/akini/java/unicodereader/， 下载其中两个文件：UnicodeStream和UnicodeReader

   以UnicodeReader为例：

FileInputStream fis = new FileInputStream(file);  
UnicodeReader ur = new UnicodeReader(fis, "utf-8");  
BufferedReader br = new BufferedReader(ur);  
...  

 

   相较于Apache的工具类，这里的UnicodeReader 支持更多的BOM编码。

   源码解读：

   UnicodeReader 通过PushbackInputStream+InputStreamReader实现BOM的自动检测和过滤读取；

   当没有检测到BOM时，pushback流将回退，并采用构造函数传入的编码进行读取。
   否则使用BOM对应的编码进行读取。

   

  相对来说，第二种方式更加轻量和强大；另外也更加透明，可以随便修改源码来实现自己的需求。