[ Java 文章收集 ] 移除UTF-8文件頭的BOM

來源自 這裡
Preface:
BOM (byte-order mark) 是被用來當做標示檔案是以UTF-8、UTF-16或UTF-32編碼的記號. 在 UTF-8 文件的BOM中，長度為3個字節，BOM的用意就是告訴編輯器當前文件採​​用何種編碼，方便編輯器識別。但是在Eclipse中，帶有BOM的java源碼生成javadoc時卻會出現如下錯誤:

E:/workspace/Test/src/express/ExpType.java: 1 :非法字符： / 65279
? package express;
^

一個個修改是個辦法，但是面對幾百上幾千個的源文件，一個個去修改決不是程序員的作風.

Solution:
下面代碼，能夠批量移除UTF-8的BOM，其實質就是刪除帶有BOM信息的UTF-8文件的前三字節，代碼如下:

view plaincopy to clipboardprint?

1. import  java.io.File;    
2. import  java.io.IOException;    
3. import  java.util.Collection;    
4. import  org.apache.commons.io.DirectoryWalker;    
5. import  org.apache.commons.io.FileUtils;    
6. import  org.apache.commons.io.FilenameUtils;    
7. @SuppressWarnings ( "rawtypes" )    
8. public  class  Utf8BomRemover  extends  DirectoryWalker {    
9.     public  static  void  main(String[] args)  throws  IOException {    
10.         //刪除指定文件夾下（含子文件夾）所有java文件的BOM，若構造器中參數為null則刪除所有文件頭部BOM    
11.         new  Utf8BomRemover( "java" ).start( new  File( "E:/workspace/Test/src" ));    
12.     }    
13.     private  String extension =  null ;    
14.     public  Utf8BomRemover(String extension) {    
15.         super ();    
16.         this .extension = extension;    
17.     }    
18.     /** 啟動對某個文件夾的篩選 */    
19.     @SuppressWarnings ( "unchecked" )    
20.     public  void  start(File rootDir)  throws  IOException {    
21.         walk(rootDir,  null );    
22.     }    
23.     protected  void  handleFile(File file,  int  depth, Collection results)  throws  IOException {    
24.         if  (extension ==  null    
25.                 || extension.equalsIgnoreCase(FilenameUtils.getExtension(file.toString()))) {    
26.             //調用具體業務邏輯，其實這裡不僅可以實現刪除BOM，還可以做很多想幹的事情。    
27.             remove(file);    
28.         }    
29.     }    
30.     /** 移除UTF-8的BOM */    
31.     private  void  remove(File file)  throws  IOException {    
32.         byte [] bs = FileUtils.readFileToByteArray(file);    
33.         if  (bs[ 0 ] == - 17  && bs[ 1 ] == - 69  && bs[ 2 ] == - 65 ) {    
34.             byte [] nbs =  new  byte [bs.length -  3 ];    
35.             System.arraycopy(bs,  3 , nbs,  0 , nbs.length);    
36.             FileUtils.writeByteArrayToFile(file, nbs);    
37.             System.out.println( "Remove BOM: "  + file);    
38.         }    
39.     }    
40. }   

在這個類中能把指定文件夾中指定後綴名的文件統一去除BOM，而整個程序源碼中沒有看到用遞歸算法，而是使用了apache commons-io ，其實遞歸算法就在DirectoryWalker 類中，實現者無需關心算法，而是關注於業務。同時，這裡給一個提醒，commons-io最新版是2.0，修改了1.4中的一些bug，其中有一處就是DirectoryWalker 類，因此建議使用最新版的commons-io.

Supplement:
* [ Java 代碼範本 ] 判斷檔案編碼 - java.nio.charset.CharsetDecoder

This message was edited 3 times. Last update was at 03/01/2013 13: