字节顺序标记BOM

最近，从numbers导出的csv文件，导入excel后，出现中文乱码问题。网上查询后，发现是numbers导出的csv默认是utf-8无BOM的，使用sublimText3打开，另存为utf-8withBOM格式，再使用excel打开，就可以正常识别中文。那么，今天就来回顾一下BOM吧～

Big-Endian和Little-Endian

Big-Endian和little endian是CPU处理多字节数的不同方式。例如“汉”字的Unicode编码是6C49。那么写到文件里时，究竟是将6C写在前面，还是将49写在前面？如果将6C写在前面，就是Big-Endian。如果将49写在前面，就是Little- Endian。

BOM

BOM（Byte Order Mark）字节顺序标记，出现在文本文件头部，Unicode编码标准中用于标识文件是采用哪种格式的编码。

• Unicode的学名是"Universal Multiple-Octet Coded Character Set"，简称为UCS。UCS可以看作是"Unicode Character Set"的缩写。
• 在UCS编码中有一个叫做 "Zero Width No-Break Space"（零宽无间断间隔）的字符，它的编码是FEFF。而FFFE 在 UCS 中是不存在的字符，所以不应该出现在实际传输中。
• UCS规范建议我们在传输字节流前，先传输字符 "Zero Width No-Break Space"。这样如果接收者收到 FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这个字节流是 Little- Endian 的。因此字符 "Zero Width No-Break Space" （零宽无间断间隔）又被称作 BOM。

UTF的字节序和BOM

UTF-8以字节为编码单元，没有字节序的问题。但是可以使用BOM来表明编码方式，字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是EF BB BF。所以如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码。Windows的笔记本软件、excel就是使用BOM来识别UTF-8.