java - 为什么随机访问文件在我的 UTF-8 文本文件中读取“ï”作为第一个字符？

Question

一个关于用Java读取文本文件的问题。我有一个使用 UTF-8 编码保存的文本文件，其中仅包含内容:

你好。世界。

现在我使用 RandomAccessFile 来读取此类。但由于某种原因，文件开头似乎有一个“看不见”的字符......？

我使用这个代码:

File file = new File("resources/texts/books/testfile2.txt");
try(RandomAccessFile reader = new RandomAccessFile(file, "r")) {

    String readLine = reader.readLine();
    String utf8Line = new String(readLine.getBytes("ISO-8859-1"), "UTF-8" );
    System.out.println("Read Line: " + readLine);
    System.out.println("Real length: " + readLine.length());
    System.out.println("UTF-8 Line: " + utf8Line);
    System.out.println("UTF-8 length: " + utf8Line.length());
    System.out.println("Current position: " + reader.getFilePointer());
} catch (Exception e) {
    e.printStackTrace();
}

输出是这样的:

Read Line: ?»?Hello. World.
Real length: 16
UTF-8 Line: ?Hello. World.
UTF-8 length: 14
Current position: 16

这些(1或2)个字符似乎只出现在开头。如果我向文件添加更多行并读取它们，那么所有其他行都会正常读取。 有人可以解释这种行为吗？这个开头的字符是什么？

谢谢!

Answer 1

文件中的前 3 个字节(0xef、0xbb、0xbf)称为 UTF-8 BOM(字节顺序标记)。 BOM 仅对 UTF-16 和 UTF-32 很重要 - 对于 UTF-8 它没有任何意义。微软引入它是为了更好地猜测文件编码。

也就是说，并非所有 UTF-8 编码的文本文件都有该标记，但有些文件有。