Aller au contenu
uencoder

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.

Objectif

Elle permet à un décodeur de détecter automatiquement l'encodage du texte et l'ordre des octets sans métadonnées externes.

Mécanisme

Chaque encodage produit une séquence BOM distincte : UTF-8 = EF BB BF, UTF-16LE = FF FE, UTF-16BE = FE FF, UTF-32LE = FF FE 00 00, UTF-32BE = 00 00 FE FF. Un décodeur lit les 2-4 premiers octets et les compare.

Cas d’usage

  • Détection d'encodage dans les éditeurs de texte
  • Échange de fichiers texte entre systèmes
  • Identification d'encodage pour les imports de bases de données
  • Gestion des fichiers CSV dans Excel

Exemples

  • entrée 
    UTF-16LE file
    Output 
    FF FE ...

    Leading bytes FF FE indicate little-endian UTF-16

Erreurs courantes

Mistaking a UTF-8 BOM for data content
Detect and strip the BOM when reading

Termes associés

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.
GLOSSAIRE
Endianness
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.
GLOSSAIRE
UTF-16
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).
GLOSSAIRE
UTF-8
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.
GLOSSAIRE

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.
OUTIL
Référence des jeux de caractères
Reference table of character encodings. Gratuit, privé, 100% côté client.
OUTIL

References