BOM

El BOM (marca de orden de bytes) es el carácter Unicode U+FEFF, colocado al inicio de un flujo de texto para indicar la forma de codificación y el orden de bytes.

Propósito

Señala el orden de bytes big- o little-endian en UTF-16/UTF-32 y sirve de firma de codificación en UTF-8 (aunque UTF-8 no tenga ambigüedad de orden de bytes).

Mecanismo

U+FEFF se traduce a bytes según la forma de codificación: EF BB BF en UTF-8, FF FE en UTF-16LE y FE FF en UTF-16BE. Un decodificador lee los primeros bytes y los compara con BOM conocidos para determinar la codificación. U+FEFF en sí es un espacio de no separación de anchura cero, por lo que puede servir también de firma.

Casos de uso

Detección automática de la codificación de archivos de texto
Intercambio de texto entre plataformas
Marcadores de codificación para archivos CSV/TSV
Codificación de archivos exportados de bases de datos

Ejemplos

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

Errores comunes

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

Términos relacionados

UTF-8 es la forma de codificación de longitud variable de Unicode que usa de 1 a 4 bytes por punto de código; es totalmente retrocompatible con ASCII y el estándar de facto de la web y de los sistemas modernos.

UTF-16 es la forma de codificación de longitud variable de Unicode que usa 2 o 4 bytes por punto de código: los caracteres del BMP ocupan una unidad de código de 16 bits y los del plano suplementario, un par sustituto (2 unidades).

El endianness es el orden de bytes de los valores multibyte en memoria: big-endian almacena primero el byte más significativo, little-endian primero el menos significativo.

Byte Order Mark

La marca de orden de bytes (BOM) es el carácter U+FEFF colocado al inicio de un texto Unicode para indicar la forma de codificación y el orden de bytes.

Unicode es el estándar internacional de codificación de caracteres que asigna un punto de código único (U+0000 a U+10FFFF) a cada carácter de casi todos los sistemas de escritura del mundo, con un espacio de 1.114.112 puntos.

Herramientas relacionadas

Detector de codificación

Comprueba la codificación del texto: subconjunto ASCII, BOM de UTF-8 y caracteres no ASCII. La entrada de texto siempre se recodifica como UTF-8, por lo que las codificaciones heredadas (GBK/Big5/Shift-JIS) no se pueden distinguir. Gratis, privado, 100% del lado del cliente.

Referencia de juegos de caracteres

Reference table of character encodings. Gratis, privado, 100% del lado del cliente.

Añadir BOM a archivo

Añadir BOM UTF-8 al contenido del archivo.

Eliminación de BOM de archivo

Eliminar BOM UTF-8 del contenido del archivo.

References