BOM

Die BOM (Byte-Order-Mark) ist das Unicode-Zeichen U+FEFF, das an den Anfang eines Textstroms gesetzt wird, um Kodierungsform und Byte-Reihenfolge anzuzeigen.

Zweck

Zeigt die Big- oder Little-Endian-Byte-Reihenfolge in UTF-16/UTF-32 an und dient in UTF-8 als Kodierungssignatur (obwohl UTF-8 keine Byte-Reihenfolge-Ambiguität hat).

Mechanismus

U+FEFF wird je nach Kodierungsform in Bytes übersetzt: EF BB BF in UTF-8, FF FE in UTF-16LE und FE FF in UTF-16BE. Ein Decoder liest die ersten Bytes und gleicht sie mit bekannten BOMs ab, um die Kodierung zu bestimmen. U+FEFF selbst ist ein breitenloses geschütztes Leerzeichen, weshalb es zusätzlich als Signatur dienen kann.

Anwendungsfälle

Automatische Kodierungserkennung von Textdateien
Plattformübergreifender Textaustausch
Kodierungsmarker für CSV/TSV-Dateien
Kodierung von Datenbank-Exportdateien

Beispiele

Eingabe
```
UTF-8 BOM
```
Output
```
EF BB BF
```
The first three bytes of a file

Häufige Fehler

A UTF-8 BOM being rejected by a JSON parser (RFC 8259 forbids it): Do not use a BOM in JSON files

Verwandte Begriffe

UTF-8 ist Unicodes Form mit variabler Länge, die 1 bis 4 Bytes pro Codepunkt verwendet; sie ist vollständig abwärtskompatibel zu ASCII und der De-facto-Standard des Webs und moderner Systeme.

UTF-16 ist Unicodes Form mit variabler Länge, die 2 oder 4 Bytes pro Codepunkt verwendet: BMP-Zeichen belegen eine 16-Bit-Codeeinheit, Zeichen der ergänzenden Ebenen ein Ersatzpaar (2 Einheiten).

Endianness ist die Byte-Reihenfolge von Mehrbyte-Werten im Speicher: Big-Endian speichert das höchstwertige Byte zuerst, Little-Endian das niederwertigste.

Byte Order Mark

Das Byte-Order-Mark (BOM) ist das Zeichen U+FEFF am Anfang eines Unicode-Textes, das Kodierungsform und Byte-Reihenfolge anzeigt.

Unicode ist der internationale Zeichenkodierungsstandard, der fast jedem Zeichen der Schriftsysteme der Welt einen eindeutigen Codepunkt (U+0000 bis U+10FFFF) zuweist, mit einem Coderaum von 1.114.112 Punkten.

Verwandte Tools

Encoding-Detektor

Prüft die Textkodierung: ASCII-Teilmenge, UTF-8-BOM und Nicht-ASCII-Zeichen. Texteingaben werden immer als UTF-8 neu kodiert, daher können Legacy-Kodierungen (GBK/Big5/Shift-JIS) nicht unterschieden werden. Kostenlos, privat, 100% clientseitig.

Zeichensatz-Referenz

Reference table of character encodings. Kostenlos, privat, 100% clientseitig.

BOM zu Datei hinzufügen

UTF-8-BOM zum Dateiinhalt hinzufügen.

BOM aus Datei entfernen

UTF-8-BOM aus Dateiinhalt entfernen.

References