【轉】http://7567567.blog.51cto.com/706378/641744
有些編輯器，比如M$ Windows的記事本，在創建UTF8編碼文件時會在頭部添加一個不可見字符。這個字符可以通過vim查看到，而且如果是一個php文件，php4、php5在解析時均會有輸出。
原來這個被稱作BOM(Byte Order Mark)的不可見字符，是Unicode用來標識內部編碼的排列方式的，在UTF-16、UTF-32編碼裏它是必需的，而在UTF-8裏是可選的。因 此，纔會出現有的編輯器在文件頭部添加添加BOM、而有的語法解析器又不作處理的的混亂情況。
根據w3c裏FAQ的建議，解決方法就是，刪無赦！
**************************
http://apps.hi.baidu.com/share/detail/35382688
UTF-8編碼中BOM的檢測與刪除
所謂 BOM，全稱是Byte Order Mark，它是一個Unicode字符，通常出現在文本的開頭，用來標識字節序 （Big/Little Endian），除此以外還可以標識編碼（UTF-8/16/32），如果出現在文本中間，則解釋爲zero
width no-break space。
注：Unicode相關知識的詳細介紹請參考UTF-8, UTF-16, UTF-32 & BOM。
對於UTF-8/16/32而言，它們名字中的8/16/32指的是編碼單位是多少位的，也就是說，它們的編碼單位分別是8/16/32位，換算成 字節就是1/2/4字節，如果是多字節，就要牽扯到字節序，UTF-8以單字節爲編碼單位，所以不存在字節序。
UTF-8主要的優點是可以兼容ASCII，但如果使用BOM的話，這個好處就蕩然無存了，除此以外，BOM的存在還可能引發一些問題，比如下面錯 誤便都有可能是BOM導致的：
-
Shell: #!/bin/sh: No such file or directory
-
PHP: Warning: Cannot modify header information – headers already sent
在詳細討論UTF-8編碼中BOM的檢測與刪除問題前，不妨先通過一個例子熱熱身：
# curl -s http://phone.10086.cn/ | head -1 | sed -n l
\357\273\277<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional\
//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">\r$
如上所示，前三個字節分別是357、273、277，這就是八進制的BOM。
# curl -s http://phone.10086.cn/ | head -1 | xxd
0000000: efbb bf3c 2144 4f43 5459 5045 2068 746d ...<!DOCTYPE htm
0000010: 6c20 5055 424c 4943 2022 2d2f 2f57 3343 l PUBLIC "-//W3C
0000020: 2f2f 4454 4420 5848 544d 4c20 312e 3020 //DTD XHTML 1.0
0000030: 5472 616e 7369 7469 6f6e 616c 2f2f 454e Transitional//EN
0000040: 2220 2268 7474 703a 2f2f 7777 772e 7733 " "http://www.w3
0000050: 2e6f 7267 2f54 522f 7868 746d 6c31 2f44 .org/TR/xhtml1/D
0000060: 5444 2f78 6874 6d6c 312d 7472 616e 7369 TD/xhtml1-transi
0000070: 7469 6f6e 616c 2e64 7464 223e 0d0a tional.dtd">..
如上所示，前三個字節分別是EF、BB、BF，這就是十六進制的BOM。
注：用到了第三方網站的頁面，不能保證例子結論始終正確。
實際做項目開發時，可能會面對成百上千個文本文件，如果有幾個文件混入了BOM，那麼很難察覺，如果沒有帶BOM的UTF文本文件例子，可以用vi 杜撰幾個，相關命令如下：
#設置UTF-8編碼
:set fileencoding=utf-8
#添加BOM
:set bomb
#刪除BOM
:set nobomb
#查詢BOM
:set bomb?
如何檢測UTF-8編碼中的BOM呢？
shell> grep -I -r -l $'\xEF\xBB\xBF' /path
如何刪除UTF-8編碼中的BOM呢？
shell> grep -I -r -l $'\xEF\xBB\xBF' /path | xargs sed -i 's/^\xEF\xBB\xBF//;q'
推薦：如果你使用SVN的話，可以在pre-commit鉤子里加上相關代碼，從源頭杜絕BOM。
#!/bin/sh
REPOS="$1"
TXN="$2"
SVNLOOK=/usr/bin/svnlook
FILES=`$SVNLOOK changed -t "$TXN" "$REPOS" | awk {'print $2'}`
for FILE in $FILES; do
CONTENT=`$SVNLOOK cat -t "$TXN" "$REPOS" "$FILE"`
if echo $CONTENT | head -c 3 | xxd -i | grep -q '0xef, 0xbb, 0xbf'; then
echo "BOM!" 1>&2
exit 1
fi
done
篇幅所限，恕不詳述，未盡事宜大家就請自己搜索吧。
**************************
linux下處理windows utf8文件，發現vim頭會多一個<feff>
一般默認創建的文件都是ANSI編碼的。用記事本打開這個文件,點"另存爲",最下面有個"編碼(Encoding)"可以選擇,裏面有"ANSI,utf8"等選項。
下面介紹用直接使用perl創建一個UTF-8的文件
open( OUT, ">:utf8", "a.txt" ) or die "a.out: $!";
print OUT "\x{feff}";
print OUT "aaaa\n";
close OUT;
反過來，刪除文件中的<feff>頭
open (FH, '<:utf8',"$_" ) or die $!;
...
s/\x{feff}//;
...
