BOM

Le BOM (marque d'ordre des octets) est le caractère Unicode U+FEFF, placé au début d'un flux de texte pour indiquer la forme d'encodage et l'ordre des octets.

Objectif

Il signale l'ordre des octets gros-boutiste ou petit-boutiste en UTF-16/UTF-32 et sert de signature d'encodage en UTF-8 (même si UTF-8 n'a pas d'ambiguïté d'ordre des octets).

Mécanisme

U+FEFF est rendu en octets selon la forme d'encodage : EF BB BF en UTF-8, FF FE en UTF-16LE et FE FF en UTF-16BE. Un décodeur lit les premiers octets et les compare aux BOM connus pour déterminer l'encodage. U+FEFF est lui-même un espace insécable de largeur nulle, d'où son double rôle de signature.

Cas d’usage

Détection automatique de l'encodage des fichiers texte
Échange de texte entre plateformes
Marqueurs d'encodage pour fichiers CSV/TSV
Encodage des fichiers d'exportation de bases de données

Exemples

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

Erreurs courantes

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

Termes associés

UTF-8 est la forme d'encodage Unicode de longueur variable utilisant 1 à 4 octets par point de code ; il est entièrement rétrocompatible avec ASCII et constitue le standard de facto du web et des systèmes modernes.

UTF-16 est la forme d'encodage Unicode de longueur variable utilisant 2 ou 4 octets par point de code : les caractères du BMP occupent une unité de code de 16 bits et ceux des plans supplémentaires, une paire de substitution (2 unités).

Le endianness est l'ordre des octets des valeurs multi-octets en mémoire : gros-boutiste stocke d'abord l'octet de poids fort, petit-boutiste d'abord l'octet de poids faible.

Byte Order Mark

La marque d'ordre des octets (BOM) est le caractère U+FEFF placé au début d'un texte Unicode pour indiquer la forme d'encodage et l'ordre des octets.

Unicode est la norme internationale de codage de caractères qui attribue un point de code unique (U+0000 à U+10FFFF) à chaque caractère de la quasi-totalité des écritures du monde, avec un espace de 1 114 112 points.

Outils associés

Détecteur d'encodage

Vérifie l'encodage du texte : sous-ensemble ASCII, BOM UTF-8 et caractères non ASCII. Le texte saisi est toujours réencodé en UTF-8, les encodages historiques (GBK/Big5/Shift-JIS) ne peuvent donc pas être distingués. Gratuit, privé, 100% côté client.

Référence des jeux de caractères

Reference table of character encodings. Gratuit, privé, 100% côté client.

Ajout de BOM au fichier

Ajouter le BOM UTF-8 au contenu du fichier.

Suppression de BOM du fichier

Supprimer le BOM UTF-8 du contenu du fichier.

References