BOM是UTF-8/UTF-16文件开头的不可见字节序列，UTF-8 BOM为\xEF\xBB\xBF；C++标准库不识别它，导致std::string开头多出三字节，引发stoi、JSON解析或字符串比较失败。
什么是BOM以及为什么C++读文件时会遇到它
BOM（Byte Order Mark）是UTF-8、UTF-16等编码在文件开头可能插入的不可见字节序列。UTF-8 BOM是\xEF\xBB\xBF三个字节，不是合法UTF-8字符，但某些编辑器（如Windows记事本）默认添加。C++标准库不识别BOM，std::ifstream按字节原样读入，导致std::string开头多出这三个字节，后续std::stoi、jsoncpp解析或==比较都可能失败。
用std::string::substr手动跳过UTF-8 BOM
最直接的办法：读取字符串后检查前3字节是否为BOM，是则截掉。注意必须检查长度≥3，且只对UTF-8有效。
- 先确保字符串以
std::string形式存在（比如从std::ifstream逐行读入或全量读入） - 检查
str.length() >= 3 && str[0] == '\xEF' && str[1] == '\xBB' && str[2] == '\xBF' - 满足条件时用
str = str.substr(3)；否则保留原串 - 不要用
str.erase(0, 3)——它在空串或长度不足时会抛std::out_of_range
示例：
std::string s = "\xEF\xBB\xBFHello";
if (s.length() >= 3 && s[0] == '\xEF' && s[1] == '\xBB' && s[2] == '\xBF') {
s = s.substr(3);
}
// s 现在是 "Hello"
读文件时就跳过BOM（推荐用于std::ifstream）
避免把BOM带入字符串，更干净。关键是在打开流后、读取前检查并丢弃BOM字节。
立即学习“C++免费学习笔记（深入）”；
- 用
std::ifstream::peek()或std::ifstream::read()检查前3字节 - 如果匹配
\xEF\xBB\xBF，调用in.ignore(3)跳过 - 务必在
in >> std::noskipws模式下操作，否则peek()可能被空白符跳过 - 不要用
in.get()循环读——容易破坏后续读取位置
片段示例：
std::ifstream in("data.txt", std::ios::binary);
if (in.peek() == 0xEF) {
char bom[3];
in.read(bom, 3);
if (bom[0] == '\xEF' && bom[1] == '\xBB' && bom[2] == '\xBF') {
// BOM detected, continue reading normally
} else {
in.seekg(0); // restore position if not BOM
}
}
跨平台处理要考虑UTF-16 BOM（\xFF\xFE或\xFE\xFF）
如果文件可能是UTF-16（尤其Windows生成的文本），BOM是2字节，且大小端不同。C++默认不支持UTF-16字符串字面量，std::string无法正确表示其字符，强行去掉BOM后内容仍是乱码。
- 仅靠
std::string+ 字节操作无法安全处理UTF-16文本 - 若确定是UTF-16，应改用
std::u16string和std::wifstream，配合std::codecvt_utf16（C++17已弃用）或第三方库（如utf8cpp、iconv） - 简单脚本场景可先用
file命令或xxd确认编码，再决定处理逻辑
真正棘手的是混合场景：你不知道输入是UTF-8还是UTF-16，又不能依赖外部工具——这种情况下，BOM检测只是第一步，后续编码转换才是难点。
